Está en la página 1de 355

METODOLOGA Y ANLISIS DE LA FABRICACIN

DE ANHIDRITA EN HORNO ROTATIVO MEDIANTE


ELEMENTOS DE INTELIGENCIA ARTIFICIAL
Xavier GIRONS GELL

Dipsit legal: GI. 218-2013


http://hdl.handle.net/10803/7xxx

ADVERTIMENT. L'accs als continguts d'aquesta tesi doctoral i la seva utilitzaci ha de respectar els drets
de la persona autora. Pot ser utilitzada per a consulta o estudi personal, aix com en activitats o materials
d'investigaci i docncia en els termes establerts a l'art. 32 del Text Refs de la Llei de Propietat Intellectual
(RDL 1/1996). Per altres utilitzacions es requereix l'autoritzaci prvia i expressa de la persona autora. En
qualsevol cas, en la utilitzaci dels seus continguts caldr indicar de forma clara el nom i cognoms de la
persona autora i el ttol de la tesi doctoral. No s'autoritza la seva reproducci o altres formes d'explotaci
efectuades amb finalitats de lucre ni la seva comunicaci pblica des d'un lloc ali al servei TDX. Tampoc
s'autoritza la presentaci del seu contingut en una finestra o marc ali a TDX (framing). Aquesta reserva de
drets afecta tant als continguts de la tesi com als seus resums i ndexs.

ADVERTENCIA. El acceso a los contenidos de esta tesis doctoral y su utilizacin debe respetar los
derechos de la persona autora. Puede ser utilizada para consulta o estudio personal, as como en
actividades o materiales de investigacin y docencia en los trminos establecidos en el art. 32 del Texto
Refundido de la Ley de Propiedad Intelectual (RDL 1/1996). Para otros usos se requiere la autorizacin
previa y expresa de la persona autora. En cualquier caso, en la utilizacin de sus contenidos se deber
indicar de forma clara el nombre y apellidos de la persona autora y el ttulo de la tesis doctoral. No se
autoriza su reproduccin u otras formas de explotacin efectuadas con fines lucrativos ni su comunicacin
pblica desde un sitio ajeno al servicio TDR. Tampoco se autoriza la presentacin de su contenido en una
ventana o marco ajeno a TDR (framing). Esta reserva de derechos afecta tanto al contenido de la tesis como
a sus resmenes e ndices.

WARNING. Access to the contents of this doctoral thesis and its use must respect the rights of the author. It
can be used for reference or private study, as well as research and learning activities or materials in the
terms established by the 32nd article of the Spanish Consolidated Copyright Act (RDL 1/1996). Express and
previous authorization of the author is required for any other uses. In any case, when using its content, full
name of the author and title of the thesis must be clearly indicated. Reproduction or other forms of for profit
use or public communication from outside TDX service is not allowed. Presentation of its content in a window
or frame external to TDX (framing) is not authorized either. These rights affect both the content of the thesis
and its abstracts and indexes.

TESIS DOCTORAL

METODOLOGA Y ANLISIS DE LA FABRICACIN DE ANHIDRITA EN HORNO


ROTATIVO MEDIANTE ELEMENTOS DE INTELIGENCIA ARTIFICIAL

Xavier Girons Gell


2012

TESIS DOCTORAL
METODOLOGA Y ANLISIS DE LA FABRICACIN DE ANHIDRITA EN HORNO
ROTATIVO MEDIANTE ELEMENTOS DE INTELIGENCIA ARTIFICIAL

Xavier Girons Gell


2012

PROGRAMA DE DOCTORADO:
TECNOLOGA

Dirigida por: Dr. Joaquim de Ciurana Gay

Memoria presentada para optar al ttulo de doctor por la Universitat de Girona

A mis tres razones,


las cules hacen que
incluso cuando llueve,
salga en casa el sol
cada maana

AGRADECIMIENTOS
Quiero agradecer especialmente a Quim de Ciurana, cmo director de esta tesis, su
mpetu, su apoyo y pedagoga en todas las revisiones de la misma.
Por otra parte debo agradecer a la empresa Yesos Ibricos las facilidades obtenidas
para la realizacin de este trabajo, e igualmente a las empresas Monterde, AEtech y
Qnorm, en especial a Mireia Gallego, Remei Aldrich y Salvador Riu por su apoyo al
proyecto.
Quiero agradecer tambin la ayuda de Llus Junc, quizs el mejor jefe de
mantenimiento que exista, a Pere Rubirola con su conocimiento del yeso y a Federic
Reig por su carisma y por ser cul. A Enric Badosa por aguantar mis rollos de las
nueve de la maana, a Maite Martn, a Pere Sobreviela, a Josep Antoni Garca y a
todos los dems, por dejar que pilote esta nave en plena tempestad coyuntural, la cual
nos permitir salir de ella con mucha ms fuerza, despus de lo vivido. Tambin me
han apoyado los gerentes Carlos Lillo, un verdadero maestro alicantino del yeso,
Antonio Dvila, desde Pamplona, David Senz desde Madrid y Flix Alcaiz, adoptado
por Jan desde hace algunos aos.
No quiero pasar por alto esta oportunidad para agradecer todo lo que me han dado
mis compaeros de trabajo durante todos estos aos, a los que son buenos, de los
que he aprendido un mundo y a los malos, que me han enseado muchsimo ms.
Especialmente al director general de Hutchinson, Roger Snchez, que en otra vida,
como l dice, me abri los ojos y nunca ms los cerr. Y a todos mis futuros
compaeros que sern los mismos pero con nombres diferentes.
A mis maestros, que les debo la vida. Desde la guardera hasta los que vendrn,
sobretodo los que me han aportado cosas ms importantes que lo que dice un libro, a
los que me han hecho pensar y los que me han dado un motivo para dormir poco, y
especialmente a los que no confiaron en mi, ya que me dieron ese empujoncito vital
para cambiar el paso y seguir adelante.
A mis amigos, siempre firmes, siempre ah. A mi amplia familia a la que quiero y que
sabe que pueden confiar en m. A mi desaparecido avi Xicu, porque, en silencio, me
enseo tantas y tantas cosas. A Lloren por que lo quiero y por qu sin saberlo, es el
artfice de esta tesis, a Mngels por darme la vida el primer da en que nos
conocimos y por el smbolo infinito detrs del verbo dar. A Josep por ensearme que
esos monstruos eran slo molinos de viento. A Quim por ser mi media naranja y a
Marta por haber malgastado su niez jugando conmigo. A Dolors, Tere y a todas las
que me habis permitido vivir intensamente la vida.
Por ltimo quiero agradecer a Marta que haya decidido, con dudoso acierto, pasar su
vida conmigo. Por aguantar los das y aos duros de esta tesis, por los relevos, por los
ya casi estoy, por los cafs con magdalena, por estar siempre ah y por hacerme feliz.
A Jlia slo puedo decirte que luches por lo que quieres, mirando adelante, pero
tambin mirando hacia atrs y a Nria confirmarle que los sueos slo se cumplen si
se suea despierto y que me hace feliz el saber que su futuro, ser exactamente el
que ella desee con todas sus fuerzas.

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

LISTA DE ACRNIMOS
AM
AN
BA
D
DG
DH
ERP
GAD
I
IA
INJ
IP
IP
MDL
MES
MOAC
MZ
P
PD
PI
PID
PLC
RNA
RO
RP
RRHH
SCADA
SCG
SE
SH
TM
TO
TR
TRS
v.a.

Aditivacin manual
Anhidrita
Bscula
Controlador derivativo
Depsito de granel
Dihidrato
Sistemas de planificacin de recursos empresariales (Enterprise
Resource Planning)
Grfico acclico dirigido
Controlador integrador
Inteligencia artificial
Inyector
Inferencia probabilstica
ndice de pureza
Longitud de descripcin mnima
Sistemas de ejecucin de manufactura (Manufacturing Execution
System)
Media para todos los casos analizados
Mezclado
Controlador de accin proporcional
Controlador proporcional derivativo
Controlador proporcional integral
Controlador proporcional integral derivativo
Controlador lgico programable (Programmable logic controller)
Redes neuronales artificiales
Rendimiento operativo
Red probabilstica
Recursos humanos
Control y adquisicin de datos de supervisin (Supervisory control and
data acquisition)
Red conectada de forma sencilla
Sistemas expertos
Semihidrato o hemihidrato
Torre de mezclas
Tolva
Transporte de material
Tasa de rendimiento sinttico
Variable aleatoria

ix

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

NDICE DE FIGURAS
Figura 1. Ambientes de formacin de yesos y tipos de precipitados ms comunes en
ellos (Rouchy, 1982). ............................................................................................ 32
Figura 2. Ciclo geolgico (profundo) del sulfato clcico (Ort & Rosell, 1991). ........... 33
Figura 3. Estructura cristalina del yeso segn (Schofield, Knight, & Stretton, 1996).
Tomada del sitio web de Mineralogy Database (Mineralogy Database, 2009)..... 34
Figura 4. Morfologa de los cristales de Yeso (Ort, 1989). ......................................... 35
Figura 5. Variedades de yeso. Tomada de la Gua Interactiva de minerales y rocas
(Rubio, 2000). ....................................................................................................... 36
Figura 6. Estructura cristalina de la anhidrita segn (Hawthorne & Ferguson, 1975).
Tomada del sitio web de Mineralogy Database (Mineralogy Database, 2009). .... 36
Figura 7. Anhidrita. Tomada de la Gua Interactiva de minerales y rocas (Rubio, 2000)
.............................................................................................................................. 37
Figura 8. Muro pintado en edificio. Imagen tomada de la pgina web oficial de
Catalhoyuk Research Project (Catalhoyuk Research Project, 2012). .................. 38
Figura 9. Ejemplo de pao de yesera en la Alhambra de Granada (Fachada de
Comares). Imagen tomada de la pgina web oficial del Patronato de la Alhambra
y el Generalife (Patronato de la Alhambra y el Generalife, 2012). ....................... 39
Figura 10. Principales zonas de yesos en Espaa. Imagen tomada de Regueiro &
Gonzlez-Barros (1997). ...................................................................................... 41
Figura 11. Produccin minera de yeso de los ltimos aos (2006-2010). Productos de
cantera. Grfico elaborado a partir de datos de la Estadstica minera anual 2010
(Ministerio de Industria, 2010). ............................................................................. 43
Figura 12. Distribucin de la Produccin nacional de yeso por Comunidades. Ao
2009. Grfico elaborado a partir de datos de Estadstica minera de Espaa 2009
(Merchn & Regueiro, 2009)................................................................................. 44
Figura 13. Produccin minera de yeso en el mundo para 2011. Imagen tomada de
Maps of World (2012). .......................................................................................... 44
Figura 14. Influencia del agua de amasado en la dureza. Imagen tomada de (Hugon &
Serre, 1982). ......................................................................................................... 54
Figura 15. Relacin entre la densidad, el agua de amasado y la porosidad. Tomada de
(Villanueva & Garca, 2001). ................................................................................. 55
Figura 16. Relacin entre la densidad, el agua de amasado y la porosidad. Tomada de
(Arredondo, 1980). ................................................................................................ 56
Figura 17. Fases de proceso en una planta de fabricacin de yeso en polvo............. 65
Figura 18. Esquema del proceso para la fabricacin de productos en base yeso
(Universidad de Alicante, 2002) ............................................................................ 65
Figura 19. Cantera de yeso en Beuda (Girona) ........................................................... 66
Figura 20. Tecnologa utilizada en una explotacin a cielo abierto (Cerulla, 1997) .... 66
Figura 21. Fotografa perforadora trabajando en Llinars del Valls (Barcelona) ......... 67
Figura 22. Vehculos trabajando en una cantera ......................................................... 68
Figura 23. Flujograma general de la planta de trituracin. 1) alimentador, 2)
machacadora de mandbulas, 3), 5), 6) y 7) cintas transportadoras, 4) criba.
(Cerulla, 1997) ...................................................................................................... 68
Figura 24. Molinos de barras y bolas (Lynch, 1977). ................................................... 69
Figura 25. Marmita horizontal tipo (Rivero, 1997). ...................................................... 71
Figura 26. Marmita cnica vertical (Rivero, 1997). ...................................................... 71
Figura 27. Horno rotatorio horizontal a contracorriente (Rivero, 1997). ...................... 72
Figura 28. Horno vertical, de molienda y calcinacin en continuo (Rivero, 1997). ...... 73
Figura 29. Horno vertical para calcinacin Flash (Rivero, 1997). ................................ 73

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Figura 30. Horno de parrilla mvil (Rivero, 1997). ....................................................... 74
Figura 31. Autoclave vertical (Nolhier, 1986). .............................................................. 74
Figura 32. Esquema sistema de lazo abierto ............................................................... 76
Figura 33. Ejemplo de Sistema de lazo abierto ............................................................ 77
Figura 34. Esquema de Sistema de lazo cerrado......................................................... 77
Figura 35. Diagrama entradas y salidas para tiempo real y complejo .......................... 79
Figura 36. Representacin de un sistema mediante bloques....................................... 81
Figura 37. Condiciones de estabilidad de un sistema lineal (Schmid, 2005) ............... 84
Figura 38. Grafico tridimensional que representa la respuesta de un sistema (Schmid
et al., 2005) ........................................................................................................... 85
Figura 39. Diagrama de un controlador P..................................................................... 86
Figura 40. Respuesta de un controlador P a una seal tipo escaln unitario .............. 87
Figura 41. Respuesta de un controlador I a una seal tipo escaln ............................. 88
Figura 42. Respuesta de un controlador PI a una seal tipo escaln .......................... 89
Figura 43. Respuesta de un controlador PD a una seal tipo rampa ........................... 90
Figura 44. Respuesta de un controlador PID a una seal tipo rampa .......................... 90
Figura 45. Relacin entre Inteligencia Artificial y Sistemas Expertos ........................... 94
Figura 46. Fases del desarrollo de un Sistema Experto (Weiss y Kulikowski, 1984) .. 97
Figura 47. Ejemplo de red bayesiana ........................................................................ 106
Figura 48. Aplicacin de la Regla de la Cadena en una red bayesiana .................... 107
Figura 49. The dog barking problem (Charniak, 1991) ........................................... 113
Figura 50. Propagacin de probabilidades inicial para The dog barking problem .. 114
Figura 51. The dog barking problem Instanciacin del nodo D ............................ 116
Figura 52. The dog barking problem Recalculo de probabilidades despus de la
instanciacin del nodo D ..................................................................................... 116
Figura 53. The dog barking problem Estado inicial ............................................... 117
Figura 54. The dog barking problem Instanciacin del nodo h ............................. 117
Figura 55. The dog barking problem Instanciacin de los nodos H y F ................ 118
Figura 56. The dog barking problem Instanciacin de los nodos H, F y D ............ 119
Figura 57. The dog barking problem Recalculo de probabilidades despus de la
instanciacin de los nodos F, D y H.................................................................... 119
Figura 58. Tipo de conexin entre tres variables (Rebane y Pearl, 1989). ................ 122
Figura 59. Estructura de la visin de una red bayesiana mediante AutoClass .......... 126
Figura 60. Dimensiones y peso del equipo ................................................................. 134
Figura 61. Cuerpo de un horno de combustin rotativo ............................................. 135
Figura 62. Esquema general de funcionamiento de un horno de anhidrita ................ 137
Figura 63. Vista vlvulas de descarga de mangas de un filtro ................................... 139
Figura 64. Filtro de mangas de un horno de calcinacin ............................................ 139
Figura 65. Posiciones de la vlvula de mariposa en la aspiracin ............................. 140
Figura 66. Regulador de la aspiracin en un horno de anhidrita ................................ 141
Figura 67. Regulador del caudal de gas en un horno de anhidrita ............................. 142
Figura 68. Ajuste de un horno Monterde segn sentido de giro ................................. 143
Figura 69. Componentes del quemador de gas natural ............................................. 145
Figura 70. Tren de vlvulas del quemador ................................................................. 146
Figura 71. Vista del quemador de gas natural H-2500 ............................................... 146
Figura 72. Clculo de toberas segn el flujo .............................................................. 149
Figura 73. Relacin entre la velocidad, la presin y el flujo en diferentes tamaos de
tubos para aire, gas natural, propano y butano (unidades inglesas) .................. 155
Figura 74. Dimensionamiento de los conductos de aire mediante el mtodo de igual
superficie ............................................................................................................ 156
Figura 75. Balance trmico en un quemador de gas .................................................. 162
Figura 76. Radiacin del cuerpo negro....................................................................... 164
Figura 77. Requisitos trmicos para un quemador de gas en bruto ........................... 165

xi

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Figura 78. Requisitos trmicos para un quemador de aire fresco .............................. 166
Figura 79. Comportamiento de los componentes de los gases de combustin del gas
natural frente al exceso de aire (%) .................................................................... 167
Figura 80. Temperatura terica de llama vs Precalentamiento .................................. 167
Figura 81. Temperatura terica de llama vs el porcentaje de O2 del aire................... 168
Figura 82. Esquema de proceso de una planta de fabricacin de yeso en polvo ...... 169
Figura 83. Vista de la tolva de material de entrada al proceso ................................... 170
Figura 84. Vista de molino primario de yeso .............................................................. 171
Figura 85. Proceso y registros molienda primaria de yeso ......................................... 172
Figura 86. Vista general de un horno de anhidrita...................................................... 173
Figura 87. Vista de la cmara de combustin de un horno de anhidrita .................... 174
Figura 88. Proceso y registros molienda primaria de yeso ......................................... 175
Figura 89. Molinos de afino o secundarios para anhidrita .......................................... 178
Figura 90. Proceso de arranque de un horno de anhidrita ......................................... 179
Figura 91. Factores implicados en la calcinacin de la anhidrita ............................... 180
Figura 92. Operario realizando registros de control de calidad en horno de anhidrita 180
Figura 93. Esquema de equipo para determinacin de la densidad de la anhidrita ... 185
Figura 94. Tamizadora electromagntica modelo TYLER ROTAP SS-36 ................. 187
Figura 95. Croquis de funcionamiento de una tamizadora por barrido de aire ........... 188
Figura 96. Porcentaje de consumo trmico hornos para 2011. ................................. 192
Figura 97. Distribucin mensual consumo especfico hornos ................................... 194
Figura 98. Flujo msico y energtico de un horno de anhidrita ................................. 197
Figura 99. Flujos de gases y de material en un horno de anhidrita ........................... 198
Figura 100. Diagrama de Sankey Balance energtico de horno 5. ........................... 205
Figura 101. Diagrama de Sankey Balance energtico de horno 6. ........................... 206
Figura 102. Curvas caractersticas y punto de trabajo ptimo del ventilador para el
horno n5 ............................................................................................................ 208
Figura 103. Curva caracterstica en condiciones de trabajo para ventilador para el
horno n6 ............................................................................................................ 208
Figura 104. Termografa hornos de calcinacin de anhidrita .................................... 210
Figura 105. Sistema Scada para hornos 5 y 6 de proceso de calcinacin de anhidrita
............................................................................................................................ 212
Figura 106. Flujograma del proceso de calcinacin y variables implicadas .............. 215
Figura 107. Regresin entre las variables V03 y V13 ................................................ 216
Figura 108. Distribucin marginal entre las variables V03 y V13 ............................... 217
Figura 109. Regresin entre las variables V17 y V13 ................................................ 217
Figura 110. Distribucin marginal entre las variables V17 y V13 ............................... 217
Figura 111. Regresin entre las variables V09 y V13 ................................................ 218
Figura 112. Regresin entre las variables V03 y V17 ................................................ 218
Figura 113. Regresin entre las variables V09 y V07 ................................................ 219
Figura 114. Matriz de correlacin entre las principales variables implicadas ............. 219
Figura 115. Esquema jerrquico del control industrial ................................................ 221
Figura 116. Arquitectura de control ............................................................................ 223
Figura 117. Diagrama de proceso .............................................................................. 224
Figura 118. Vista silos de estocaje de mineral ........................................................... 226
Figura 119. Proceso de carga de material a horno .................................................... 227
Figura 120. Proceso de transporte de un horno de anhidrita a silos de destino ........ 229
Figura 121. Proceso de molienda primaria y almacenaje en silos de yeso crudo ...... 241
Figura 122. Esquema de conexiones entre elementos .............................................. 250
Figura 123. Diagrama de la estructura del controlador COMP_PID ........................... 251
Figura 124. Representacin del bloque PID ............................................................... 253
Figura 125. Diagrama de control de la aplicacin de dos PID en cascada ................ 254
Figura 126. Arquitectura del control PID ..................................................................... 255

xii

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Figura 127. Bloque de control del ventilador del tiro, proporcional al caudal de
combustible ......................................................................................................... 258
Figura 128. Bloque de control del ventilador del tiro .................................................. 259
Figura 129. Simulacin del proceso en PLC. Diagrama de bloques .......................... 260
Figura 130. Simulacin del proceso de arranque ....................................................... 261
Figura 131. Simulacin del proceso de calcinacin controlado por PIDs .................. 262
Figura 132. Simulacin de un escaln de aumento del caudal de entrada de material
............................................................................................................................ 263
Figura 133. Simulacin de un escaln de disminucin del caudal de entrada de
material ............................................................................................................... 263
Figura 134. Flujograma del proceso de fabricacin de anhidrita ................................ 270
Figura 135. Diagrama causa-efecto en la fabricacin de anhidrita ............................ 271
Figura 136. Representacin temporal de algunas variables de proceso (en eje
horizontal horas) ................................................................................................. 275
Figura 137. Representacin temporal de algunas variables meteorolgicas (en eje
horizontal das) ................................................................................................... 276
Figura 138. Modelo conexional de la RB .................................................................... 276
Figura 139. Estructura de RB con variables de control de calidad ............................. 277
Figura 140. Estructura completa de la RB .................................................................. 278
Figura 141. Estructura de RB con variables meteorolgicas ...................................... 279
Figura 142. Estructura de RB con variables indirectas de proceso ............................ 279
Figura 143. Variables meteorolgicas de la RB sin instanciar (vista metrnomo) ..... 280
Figura 144. Variables meteorolgicas de la RB con algunas instanciaciones (vista
barras de creencia) ............................................................................................. 281
Figura 145. RB completa compilada con el estado de parametrizacin inicial ........... 282
Figura 146. RB completa compilada con una nueva parametrizacin referencial de
control para las variables .................................................................................... 283
Figura 147. Ejemplo de instanciacin de la RB .......................................................... 284
Figura 148. Medicin de la potencia del ventilador sin variador ................................. 295
Figura 149. Medicin de la potencia del ventilador con variador ................................ 295
Figura 150. Nueva pantalla de control para el horno de calcinacin .......................... 296
Figura 151. Estadsticas de la variable V85 ............................................................... 298
Figura 152. Estadsticas de la variable V86 ............................................................... 298
Figura 153. Estadsticas de la variable V87 ............................................................... 299
Figura 154. Estadsticas de la variable V88 ............................................................... 299
Figura 155. Regresin entre las variables V13 y V03 ................................................ 300
Figura 156. Regresin entre las variables V13 y V09 ................................................ 300
Figura 157. Regresin entre las variables V13 y V17 ................................................ 301
Figura 158. Regresin entre las variables V13 y V86 ................................................ 301
Figura 159. Regresin entre las variables V13 y V87 ................................................ 302
Figura 160. Regresin entre las variables V13 y V88 ................................................ 302
Figura 161. Regresin entre las variables V17 y V03 ................................................ 303
Figura 162. Regresin entre las variables V17 y V87 ................................................ 303
Figura 163. Consumo especfico de gas natural antes de realizar las modificaciones en
el proceso ........................................................................................................... 304
Figura 164. Consumo especfico de gas natural despus de realizar las modificaciones
en el proceso ...................................................................................................... 305
Figura 165. Grfica de las temperaturas de control del proceso ................................ 305
Figura 166. Grfica de las consignas de control del proceso ..................................... 306
Figura 167. Grfica de la variable V03 (caudal de material) ...................................... 306
Figura 168. Estadstica de la nueva variable relativa a la frecuencia del ventilador de
extraccin de gases ............................................................................................ 307
Figura 169. Estadstica de la nueva variable relativa al caudal de material ............... 307

xiii

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Figura 170. Nuevo consumo especfico de gas natural.............................................. 308
Figura 171. Esquema de una implantacin anti-windup ............................................. 309
Figura 172. Red bayesiana de decisin para el efecto windup .................................. 312
Figura 173. Compilacin de la Red bayesiana para evaluar el efecto windup ........... 313
Figura 174. Estadsticas de la variable V03 ............................................................... 333
Figura 175. Perfil de la variable V03........................................................................... 334
Figura 176. Diagrama causa-efecto de la variable V03 .............................................. 334
Figura 177. Estadsticas de la variable V05 ............................................................... 335
Figura 178. Perfil de la variable V05........................................................................... 336
Figura 179. Diagrama causa-efecto de la variable V05.............................................. 336
Figura 180. Estadsticas de la variable V07 ............................................................... 337
Figura 181. Perfil de la variable V07........................................................................... 338
Figura 182. Diagrama causa-efecto de la variable V07 .............................................. 338
Figura 183. Estadsticas de la variable V09 ............................................................... 339
Figura 184. Perfil de la variable V09........................................................................... 340
Figura 185. Diagrama causa-efecto de la variable V09 .............................................. 340
Figura 186. Estadsticas de la variable V11 ............................................................... 341
Figura 187. Perfil de la variable V11........................................................................... 342
Figura 188. Diagrama causa-efecto de la variable V11 .............................................. 342
Figura 189. Estadsticas de la variable V13 ............................................................... 343
Figura 190. Perfil de la variable V13........................................................................... 344
Figura 191. Diagrama causa-efecto de la variable V13 .............................................. 344
Figura 192. Estadsticas de la variable V17 ............................................................... 345
Figura 193. Perfil de la variable V17........................................................................... 346
Figura 194. Diagrama causa-efecto de la variable V17 .............................................. 346
Figura 195. Estadsticas de la variable V19 ............................................................... 347
Figura 196. Diagrama causa-efecto de la variable V19 .............................................. 348
Figura 197. Estadsticas de la variable V21 ............................................................... 349
Figura 198. Perfil de la variable V21........................................................................... 350
Figura 199. Diagrama causa-efecto de la variable V21 .............................................. 350
Figura 200. Estadsticas de la variable V23 ............................................................... 351
Figura 201. Perfil de la variable V23........................................................................... 352
Figura 202. Diagrama causa-efecto de la variable V23 .............................................. 352
Figura 203. Estadsticas de la variable V31 ............................................................... 353
Figura 204. Diagrama causa-efecto de la variable V31 .............................................. 354

xiv

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

NDICE DE TABLAS
Tabla 1. Clasificacin de los yesos segn norma UNE 102.001 .................................. 38
Tabla 2. Caractersticas de las fases del sistema sulfato clcico-agua (Wirsching,
2005) y (Villanueva & Garca, 2001). .................................................................... 48
Tabla 3. Caractersticas qumicas para los distintos yesos de construccin segn el
Pliego general de condiciones para la recepcin de yesos y escayolas en las
obras de construccin (RY-85) ............................................................................. 48
Tabla 4. Finura de molido para los distintos yesos de construccin segn el Pliego
general de condiciones para la recepcin de yesos y escayolas en las obras de
construccin (RY-85) ............................................................................................ 49
Tabla 5. Tiempos de fraguado para los distintos yesos de construccin a partir de
Pliego general de condiciones para la recepcin de yesos y escayolas en las
obras de construccin (RY-85) (nota 2) ................................................................ 53
Tabla 6. Influencia del agua de amasado y la duracin de amasado en el tiempo de
fraguado (Hugon & Serre, 1982)........................................................................... 53
Tabla 7. Influencia del agua de amasado en la densidad (Hugon & Serre, 1982) ....... 53
Tabla 8. Valores mecnicos mnimos para diversos productos de yeso. Segn UNE
102031 (Villanueva & Garca, 2001). .................................................................... 56
Tabla 9. Valores de dureza superficial para revestimientos de yeso (Villanueva &
Garca, 2001) ........................................................................................................ 57
Tabla 10. Clasificacin de los materiales de construccin segn su reaccin al fuego
segn RD 312/2005 y UNE 13501-1:2002 ........................................................... 58
Tabla 11. Resistencia al fuego de muros y tabiques de fbrica de ladrillo cermico o
slico-calcreo segn Tabla F.1. del Anejo F del documento DB-SI del CTE....... 59
Tabla 12. Resistencia al fuego de muros y tabiques de fbrica de bloques de hormign
segn Tabla F.2. del Anejo F del documento DB-SI del CTE............................... 60
Tabla 13. Valores de coeficientes de conductividad trmica de distintos materiales en
funcin de su densidad segn Base de datos del LIDER (versin 1.0). ............... 61
Tabla 14. Valores de coeficientes de penetracin trmica de distintos materiales (del
Ro, 2002) ............................................................................................................. 62
Tabla 15. Valores de coeficientes de absorcin acstica de distintos materiales (del
Ro, 2002) ............................................................................................................. 63
Tabla 16. Exigencias del CTE al ruido areo entre recintos colindantes horizontal o
verticalmente segn DB HR del CTE.................................................................... 63
Tabla 17. Valores de aislamiento acstico de algunas soluciones constructivas segn
el Catlogo de elementos constructivos del CTE (Ministerio de Fomento, 2011) 64
Tabla 18. Operaciones usando bloques ....................................................................... 83
Tabla 19. Tipo de acciones del controlador .................................................................. 86
Tabla 20. Configuraciones de un controlador segn Ziegler and Nichols (Ziegler y
Nichols, 1942) ....................................................................................................... 91
Tabla 21. Probabilidades condicionales de la red The dog barking problem ........... 113
Tabla 22. Lista de software que aplican sistemas de RB (Sacerdoti, 2010) .............. 130
Tabla 23. Cuadro de localizacin de averas de un horno de anhidrita...................... 144
Tabla 24. Capacidad del difusor en gases trabajando a baja presin (unidades
inglesas) y con cada de presin del orificio de 2,49hPa y un coeficiente de
descarga (Cd) de 1,0 ........................................................................................... 151
Tabla 25. Prdidas de presin de una tobera trabajando a baja presin en hPa por
cada 30,5m de tubera de dimetro 40 para aire (unidades inglesas) ................ 153
Tabla 26. Prdidas de presin de una tobera trabajando a baja presin en hPa por
cada 30,5m de tubera de dimetro 40 para aire (unidades inglesas) ................ 154

xv

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Tabla 27. Calculo de la dimensin de las tuberas de aire mediante el mtodo de igual
superficie (unidades inglesas) ............................................................................ 156
Tabla 28. Efecto de la presin en el aire (condicin bsica de 21,1C de aire seco al
nivel del mar y presin baromtrica 1.013hPa) .................................................. 157
Tabla 29. Efecto de la temperatura en el aire (condicin bsica de 21,1C de aire seco
al nivel del mar y presin baromtrica 1.013hPa)............................................... 158
Tabla 30. Efecto de la altura en el aire (condicin bsica de 21,1C de aire seco al
nivel del mar y presin baromtrica 1.013hPa) .................................................. 159
Tabla 31. Equivalencia en kJ de la mezcla butano-aire ............................................. 159
Tabla 32. Propiedades calorficas del gas natural ...................................................... 160
Tabla 33. Especificaciones de la mezcla gas y aire ................................................... 161
Tabla 34. Propiedades trmicas de los materiales que intervienen en la transferencia
de calor ............................................................................................................... 163
Tabla 35. Propiedades trmicas del material KILOKALOR K-1025 aplicado en una
capa de 114,3mm ............................................................................................... 163
Tabla 36. Seleccin de un quemador ......................................................................... 165
Tabla 37. Propiedades de la deshidratacin de la anhidrita ....................................... 176
Tabla 38. Ensayos y rango de control para la fabricacin de anhidrita ...................... 181
Tabla 39. Medidas de la reactividad de la anhidrita ................................................... 191
Tabla 40. Resumen del consumo trmico de los hornos para 2011. ......................... 192
Tabla 41. Caractersticas de los hornos estudiados ................................................... 193
Tabla 42. Datos de partida para el horno H5.............................................................. 195
Tabla 43. Propiedades del aire de entrada................................................................. 196
Tabla 44. Composicin del Gas Natural en Espaa (Fuente: Publicacin CNE.
Facilitado por Gas Natural) ................................................................................. 196
Tabla 45. Flujos de material de entrada en el horno n 5 ........................................... 196
Tabla 46. Flujos de material de entrada en horno n 6 ............................................... 198
Tabla 47. Flujos de material de salida del horno n 5 ................................................. 199
Tabla 48. Flujos de material de salida del horno 6 ..................................................... 199
Tabla 49. Formulacin de caudales saliente .............................................................. 200
Tabla 50. Entalpas de reaccin de los hornos objeto de estudio. ............................. 202
Tabla 51. Entalpas de formacin utilizadas para calcular las reacciones que se
producen en el horno. Fuente: (Perry & Green, 1997) y (Gerhartz & Schulz, 19851996) para el caso de anhidrita. ......................................................................... 202
Tabla 52. Coeficientes para obtencin de capacidades calorficas de gases (Sherwood,
Reid, & Prausnitz, 1979) ..................................................................................... 203
Tabla 53. Coeficientes para obtencin de capacidades calorficas de slidos (Perry &
Green, 1997) ....................................................................................................... 204
Tabla 54. Resultados balance de energa para horno 5 ............................................. 204
Tabla 55. Resultados balance de energa para horno 6 ............................................. 204
Tabla 56. Rendimiento trmico global de los hornos.................................................. 207
Tabla 57. Punto de trabajo ptimo y caractersticas ventiladores para hornos de
anhidrita n5 y n6 ............................................................................................... 209
Tabla 58. Rgimen de trabajo por estrangulacin de los ventiladores de los hornos n5
y n6 .................................................................................................................... 209
Tabla 59. Clculo de ahorros energticos en condicin real para los hornos n5 y n6
con variadores de frecuencia .............................................................................. 210
Tabla 60. Variables implicadas en el proceso de calcinacin de anhidrita ................. 214
Tabla 61. Variables principales de proceso en la calcinacin de anhidrita ................ 215
Tabla 62. Correlaciones significativas entre variables implicadas en el proceso de
calcinacin de la anhidrita .................................................................................. 216
Tabla 63. Coeficiente de correlacin entre las principales variables .......................... 220
Tabla 64. Variables de control para el proceso de calcinacin .................................. 220

xvi

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
Tabla 65. Elementos de control en la calcinacin de la anhidrita ............................... 240
Tabla 66. Elementos de control en la entrada de mineral .......................................... 242
Tabla 67. Elementos del control de la alimentacin de hornos .................................. 243
Tabla 68. Grupos de proceso en la calcinacin de anhidrita ...................................... 245
Tabla 69. Bloques de programacin y seales para proceso de calcinacin ............. 246
Tabla 70. Grupos en funcionamiento en la calcinacin de anhidrita .......................... 247
Tabla 71. Variables de control para el proceso de calcinacin .................................. 249
Tabla 72. Descripcin de los parmetros del PID ...................................................... 253
Tabla 73. Seales del bloque CPID_1........................................................................ 256
Tabla 74. Seales del bloque CPID_2........................................................................ 257
Tabla 75. Seales del bloque CPID_3........................................................................ 259
Tabla 76. Estimacin de los parmetros temporales del proceso .............................. 260
Tabla 77. Valores de los bloques de control PID ........................................................ 261
Tabla 78. Variables que afectan al proceso de calcinacin de anhidrita .................... 269
Tabla 79. Variables que afectan al control de calidad de la materia prima ................ 269
Tabla 80. Variables que afectan al control de calidad del producto terminado .......... 269
Tabla 81. Variables indirectas que afectan a la produccin ....................................... 270
Tabla 82. Otras variables que afectan al sistema de calcinacin ............................... 271
Tabla 83. Relacin de variables implicadas en el proceso ......................................... 273
Tabla 84. Caractersticas de la RB ............................................................................. 285
Tabla 85. Tabla de creencia de la RB ....................................................................... 288
Tabla 86. rbol de relaciones de la RB ...................................................................... 289
Tabla 87. Relaciones de los nodos ms influyentes ................................................... 290
Tabla 88. Sensibilidad a otras variables de los principales nodos ............................. 291
Tabla 89. Ratios de algunas variables de la RB expuestas a test de nuevas muestras
de datos .............................................................................................................. 291
Tabla 90. Nuevo conjunto de variables crticas de proceso ....................................... 297
Tabla 91. Coeficiente de correlacin entre las nuevas variables con el caudal de
material ............................................................................................................... 300
Tabla 92. Variables de proceso para la evaluacin del efecto windup ....................... 311

xvii

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

TABLA DE CONTENIDO

AGRADECIMIENTOS .................................................................................................................... vii


LISTA DE ACRNIMOS ................................................................................................................. ix
NDICE DE FIGURAS.......................................................................................................................x
NDICE DE TABLAS ...................................................................................................................... xv
TABLA DE CONTENIDO .............................................................................................................. xix
RESUMEN ................................................................................................................................... xxiii
ABSTRACT.................................................................................................................................. xxiv
1

INTRODUCCIN ....................................................................................................................25
1.1

DOMINIO DE APLICACIN ....................................................................................... 25

1.2

MOTIVACIN.............................................................................................................. 27

1.3

OBJETIVOS ................................................................................................................ 27

1.4

PLAN DE DESARROLLO .......................................................................................... 28

1.5

MEDIOS UTILIZADOS................................................................................................ 29

1.6

CONTENIDO DE LA TESIS........................................................................................ 29

ESTADO DEL ARTE ..............................................................................................................31


2.1
EL YESO Y SUS APLICACIONES ............................................................................. 32
2.1.1 Estado natural .................................................................................................................... 32
2.1.2 Historia de utilizacin del yeso......................................................................................... 38
2.1.3 Yacimientos de yeso en Espaa ..................................................................................... 40
2.1.4 Produccin de yeso en Espaa ....................................................................................... 41
2.1.5 El sistema sulfato clcico-agua ....................................................................................... 45
2.1.6 Propiedades de los yesos en polvo ................................................................................ 47
2.1.7 Caractersticas de las pastas de yeso o escayola ........................................................ 50
2.1.8 Caractersticas de los productos endurecidos de yeso o escayola ........................... 54
2.1.9 Caractersticas tcnicas de yesos y escayolas ............................................................. 57
2.1.10
Proceso de fabricacin industrial de yeso para construccin ................................. 64
2.2
AUTOMATIZACIN INDUSTRIAL. SISTEMAS DE CONTROL ............................... 76
2.2.1 Sistemas de control .............................................................................................................. 76
2.2.2 Sistemas de lazo abierto ....................................................................................................... 76
2.2.3 Sistemas de lazo cerrado ...................................................................................................... 77
2.2.4 Funcin de transferencia ...................................................................................................... 78
2.2.5 Representacin con bloques ................................................................................................ 81
2.2.6 Estabilidad de un Sistema ..................................................................................................... 83
2.2.7 Respuesta de un sistema ...................................................................................................... 85
2.2.8 El Controlador ....................................................................................................................... 86
2.3
INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS .......................................... 93
2.3.1 Inteligencia artificial (IA) .................................................................................................... 93
2.3.2 Sistemas Expertos ................................................................................................................. 95

xix

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
2.3.3
2.3.4
2.3.5
2.3.6
2.3.7
2.3.8
2.3.9
2.4
3

Redes Bayesianas ........................................................................................................... 100


La Inferencia en redes bayesianas ...................................................................................... 107
Mtodos para clculo de redes bayesianas con datos desconocidos ................................ 112
Ejemplo de propagacin de una red bayesiana.................................................................. 112
Mtodos de bsqueda ........................................................................................................ 119
Aprendizaje mediante Redes Bayesianas ........................................................................... 120
Software para RB ................................................................................................................ 127

ESTABLECIMIENTO DEL PROBLEMA .................................................................. 131

DESARROLLO DE LA PROPUESTA ................................................................................. 132


3.1
PROCESO DE CALCINACIN DE ANHIDRITA ..................................................... 134
3.1.1 El horno de calcinacin de AN ............................................................................................ 134
3.1.2 Quemador de gas natural ................................................................................................... 144
3.1.3 Proceso de fabricacin de anhidrita ................................................................................... 168
3.1.4 Control de calidad en la fabricacin de anhidrita ............................................................... 180
3.2
ANLISIS ENERGTICO Y BALANCES ................................................................ 192
3.2.2 Perfil energtico del horno de calcinacin ................................................................... 194
3.3
ANLISIS DE LAS VARIABLES DEL PROCESO .................................................. 211
3.3.1 Variables implicadas en la calcinacin de la Anhidrita............................................... 211
3.3.2 Variables directas principales del proceso de produccin de Anhidrita .................. 214
3.3.3 Relacin entre las principales variables de la calcinacin ......................................... 216
3.5
SISTEMA DE AUTOMATIZACIN INDUSTRIAL.................................................... 221
3.5.1 Gestin mediante sistema MES .......................................................................................... 221
3.5.1 Procesos por lotes Torre 1, 2 y ensaque............................................................................. 222
3.5.2 Procesos en continuo Hornos semihidrato y anhidrita ...................................................... 226
3.5.1 Recepciones, expediciones y carga a lneas de hornos 1, 2, 3 y torres .............................. 230
3.5.2 Equipos de Planta ............................................................................................................... 232
3.5.3 Proceso de calcinacin de anhidrita en continuo ............................................................... 238
3.5.4 Maniobras y secuencias de control de cada fase ............................................................... 242
3.6
SISTEMA DE REGULACIN ................................................................................... 249
3.6.1 Variables a regular .............................................................................................................. 249
3.6.2 Aplicacin de controlador PID ............................................................................................ 249
3.6.3 Simulacin del proceso ....................................................................................................... 259
3.7
MODELO DEL PROCESO MEDIANTE REDES BAYESIANAS ............................. 265
3.7.1 Aplicacin de redes bayesianas .......................................................................................... 265
3.7.2 Software para RB ................................................................................................................ 265
3.7.3 Generacin y gestin de una RB ......................................................................................... 266
3.7.4 Modelo estadstico de un horno de anhidrita mediante RB............................................... 268

ANLISIS DE APLICACIONES .......................................................................................... 293


4.1
ANLISIS DEL SISTEMA DE REGULACIN APLICADO ..................................... 294
4.1.1 Fiabilidad de los datos de control .................................................................................. 294
4.1.2 Mejora de las correlaciones entre variables ................................................................ 296
4.2
ANLISIS DEL SISTEMA DE CONTROL MEDIANTE RB ..................................... 309
4.2.1 El efecto windup ............................................................................................................... 309
4.2.2 Variables implicadas........................................................................................................ 310
4.2.3 Programacin de una RB de evaluacin de windup................................................... 311

CONCLUSIONES Y FUTUROS DESARROLLOS ............................................................. 315


5.1

CONCLUSIONES ..................................................................................................... 315

xx

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial
5.2

CONTRIBUCIONES DE LA TESIS .......................................................................... 316

5.3

FUTUROS DESARROLLOS .................................................................................... 317

REFERENCIAS ............................................................................................................................ 319


ANEXOS ....................................................................................................................................... 331
ANEXO I. ESTADSTICAS DE LAS VARIABLES ANALIZADAS ............................................ 333

xxi

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

RESUMEN

La revolucin industrial fue el disparo de salida hacia una nueva sociedad en que se
substituan las antiguas formas de vida por otras nuevas y diferentes. Ya desde los
inicios fue necesario desarrollar nuevos mtodos, nuevas herramientas y nuevas
formas de concebir la produccin en masa. Las redes bayesianas son una de stas
herramientas de gestin industrial. Su programacin es sencilla y su aspecto externo
es bastante intuitivo, pero recoge en sus algoritmos relaciones de informacin muy
complejas, que no resultan nada intuitivas si no se tratan con las herramientas
adecuadas. Una de sus propiedades ms importantes es su capacidad de
autoaprendizaje.
El sector del yeso en Espaa es un sector que ha tenido mucho auge en las ltimas
dcadas debido a los sistemas constructivos. Para la fabricacin de yeso en polvo
aplicable y controlable en su fraguado, se utilizan varios componentes, algunos
intrnsecos del propio yeso y otros aportados en el momento del mezclado, como
aditivacin. Uno de los componentes intrnseco del yeso para construccin es la
anhidrita o yeso totalmente deshidratado que trabaja como parte inerte.
sta investigacin se basar en la mejora del proceso de calcinacin de anhidrita
usando un horno rotativo de coccin directa. El trabajo aportar como novedad una
actualizacin de los sistemas usados actualmente para la fabricacin de anhidrita, ya
que a parte de mejorar el control del proceso mediante lazos de control mas eficientes
y autogestionados, as como la introduccin de mejoras en los niveles MES y Scada,
aportar elementos de inteligencia artificial mediante la aplicacin de las citadas redes
bayesianas.
Las contribuciones de la tesis sern las siguientes:
-

Recopilacin, evaluacin, seleccin y definicin de las mejores prcticas en el


proceso de fabricacin de anhidrita.

Automatizacin del proceso de la fabricacin de anhidrita

Creacin de lazos de regulacin eficientes y autogestionados para el control


del proceso de calcinacin de la anhidrita en un horno rotativo de tres tubos y
de calcinacin directa.

Creacin e implantacin industrial de redes bayesianas de control del proceso


de fabricacin de anhidrita actuando como sistema experto a partir de los datos
autogestionados que suministra el sistema automticamente y que le hace ms
eficiente con la experiencia. Auto-ajustndose a cada hora de funcionamiento
y en cada cambio de condiciones de proceso, de calidad, de naturaleza, de
equipos y de meteorologa.

xxiii

Metodologa y Anlisis de la Fabricacin de Anhidrita en Horno Rotativo Mediante


Elementos de Inteligencia Artificial

ABSTRACT

The industrial revolution was the starting shot for a new society in which they were
replacing the old forms of life with new and different. And from the start was necessary
to develop new methods, new tools and new ways of thinking about mass production.
Bayesian networks are one of these tools of industrial management. Its programming is
simple and external appearance is quite clever, but its stated in their algorithms very
complex information relationships that are not at all intuitive if not treated with the right
tools. One of its most important properties is its capacity to self-learning.
The gypsum industry in Spain is a sector that has had a long boom in recent decades
due to the building systems. For the manufacture of gypsum powder applied and
checked on its setting, using multiple components, some intrinsic to the gypsum and
other provided at the time of mixing, as additives. One of the intrinsic components of
construction gypsum is the anhydrite, completely dehydrated gypsum, working as inert
part.
This research work builds on the improvement of anhydrite calcination process using a
rotary kiln direct cooking. The work provide an update as new systems currently used
for the manufacture of anhydrite, since in addition to improving process control via
control loops more efficient and self-managed, and improvements in levels MES and
SCADA provide artificial intelligence elements by applying the above Bayesian
networks.
The contributions of this PhD are as follows:
-

Collection, evaluation, selection and identification of best practices in the


manufacturing process of anhydrite.

Automation of the fabrication process of anhydrite

Creation of control loops efficient and self-administered to control the process of


calcination in a rotary kiln anhydrite three tubes and direct calcination.

Creation and implementation of Bayesian networks industrial process control


manufacturing expert system acting as anhydrite from self-managed data
provided by the system automatically makes you more efficient with experience.
Self-adjusting to each time of operation and at each change of process
conditions, quality, nature, equipment and meteorology.

xxiv

1 INTRODUCCIN
En este captulo se realiza una exposicin general de los temas tratados en esta tesis.
En el mismo se justifican las razones que la motivan y que la hacen necesaria, as
como se reporta la metodologa seguida y el plan de desarrollo de la misma, los
medios utilizados y una breve referencia al contenido de cada uno de los captulos que
componen este trabajo.

1.1

DOMINIO DE APLICACIN

La revolucin industrial fue el disparo de salida hacia una nueva sociedad en que se
substituan las antiguas formas de vida por otras nuevas y diferentes. Ya desde los
inicios fue necesario inventar y desarrollar nuevos mtodos, nuevas herramientas y
nuevas formas de concebir la produccin en masa. Esa evolucin primigenia no ha
cesado. Anualmente aparecen nuevas metodologas y nuevas concepciones para la
realizacin del trabajo industrial. En el momento actual, gracias a herramientas
eficientes de comunicacin, estas innovaciones se propagan con celeridad. Las
grandes empresas, muchas multinacionales, ayudan claramente a esta propagacin
del conocimiento.
En los ltimos aos, como no puede ser de otra manera, han continuado apareciendo
sistemas y herramientas tiles para la produccin y la ingeniera en planta. La mayora
de estas herramientas tienen un ciclo de vida determinado: aparecen en alguna planta,
en algn rincn del mundo, normalmente Japn, Estados Unidos o Europa; se
extienden mediante consultores externos, o por la relacin cliente-proveedor o clienteingeniera, entre otras formas de contacto; se aplican en masa, se ensean en las
escuelas de gestin industrial y luego, al cabo de unos aos, sirven de base para que
alguien cree una nueva herramienta, con un nuevo concepto de base, pero que
intrnsecamente recoge el bagaje y la fortaleza de muchas ideas anteriores que a la
vez dejan de estar en un primer plano de la actualidad industrial.
Las redes bayesianas son una herramienta que aplica la inteligencia artificial. En estos
momentos se est generando un gran empuje en su aplicacin para muchos y
diversos fines. Todava esta en fase de crecimiento y no se aplican en masa en la
industria, pero estn llamadas a ser una herramienta muy til para las aplicaciones
que se disearn en los prximos aos. Su programacin es, en trminos relativos,
sencilla y su aspecto externo es bastante intuitivo, pero recoge en sus algoritmos
relaciones de informacin muy complejas, que no resultan nada intuitivas si no se
tratan con las herramientas adecuadas. En los ltimos aos, se est compartiendo el
uso de stas redes con otro tipo de sistemas expertos como son las redes neuronales,
por citar un ejemplo.
En la industria actual, una posible apuesta de futuro son las aplicaciones de
inteligencia artificial y los sistemas expertos, por varias razones que se exponen
durante toda esta tesis. Se podra destacar que una de las caractersticas ms
importantes para ste trabajo, es su capacidad para aprender, en definitiva, su
capacidad de autoaprendizaje.
El sector del yeso en Espaa es un sector que ha tenido mucho auge en las ltimas
dcadas, debido a los sistemas constructivos de este pas, lo que ha situado a Espaa
cmo el tercer productor de yeso en 2011 con ms de once millones de toneladas
fabricadas. Durante este tiempo el sector se ha reconvertido para adaptarse a los
sistemas constructivos actuales, pasando parte de la fabricacin de yeso en polvo a

25

Introduccin
fabricacin de paneles de cartn-yeso y prefabricados. El sector del yeso en polvo, en
este tiempo, ha aprovechado la ocasin, como tantos sectores industriales, para crear
productos con mayor valor aadido, como son masillas, colas, pastas de juntas y de
agarre. Tambin se han realizado mejoras en el producto tradicional de yeso para la
construccin sobre ladrillo, crendose yesos de segunda y tercera generacin, que
garantizan tiempos de fraguado muy concretos y a la carta, mejorando la trabajabilidad
mediante la inclusin de elementos ligeros como la perlita expandida o la vermiculita,
reduciendo su peso, aumentando su resistencia al fuego o al contraste trmico, entre
otros. En la zona de Beuda en Girona se explotan canteras de este mineral, siendo la
planta de fabricacin de yeso en polvo, en estos momentos, la segunda mayor de
Europa en capacidad instalada.
Para la fabricacin de yeso en polvo aplicable y controlable en su fraguado, se utilizan
varios componentes, algunos intrnsecos del propio yeso y otros aportados en el
momento del mezclado, como aditivacin, que le confieren las caractersticas
deseadas. En su base se podra decir que el yeso que se usa actualmente est
formado por semihidrato, (o yeso natural en parte deshidratado que le conferir sus
caractersticas de fraguado al producto), anhidrita (yeso totalmente deshidratado que
trabaja como parte inerte) y aditivos.
Para la deshidratacin de la anhidrita se pueden usar mltiples tipos de hornos de
calcinacin, directos, indirectos, verticales, horizontales, de un tubo, de dos, de tres,
etc. Actualmente la tecnologa ms usada son los hornos rotativos de tres tubos y de
calcinacin directa, sobretodo por su buena regularidad de proceso. sta tesis se
basar en un horno de este tipo calcinando anhidrita.
La calcinacin de la anhidrita no es, a priori, un proceso complejo: se escoge el
mineral apto en la cantera, se rompe a tamaos manejables, se introduce en la planta
donde se le realiza un cribado y una molienda primaria, se calcina a unos 550 grados,
se enfra el material y se almacena en los silos, donde acaba su proceso mediante
reacciones de rehidratacin natural, antes de ser un material apto para su mezclado
con otros componentes. Como todo proceso natural, una de las complejidades que
aparecen en el proceso son las intrnsecas de su naturaleza. El yeso nunca es igual,
cada da es diferente, cada hora es diferente y cada segundo es diferente. Por tanto, el
proceso debe ser ajustado cada da, cada hora y cada segundo. As mismo debe
tenerse un sistema de control de calidad que garantice que el material fabricado en
cada paso del proceso sea el correcto y ser clave su trazabilidad en este aspecto.
Por otra parte estn los elementos externos al mineral y que son similares a los de
otros procesos ms estables, como son las condiciones atmosfricas y
meteorolgicas, el rendimiento de los equipos, su mantenimiento, la eficiencia de sus
lazos de control, la experiencia del operario (el hecho de trabajar con una materia
prima natural lo convierte en un factor importante) y muchos otros.
sta tesis pretende aportar como novedad una actualizacin de los sistemas usados
actualmente para la fabricacin de anhidrita, ya que a parte de mejorar el control del
proceso mediante lazos de control ms eficientes y autogestionados, as como la
introduccin de mejoras en los niveles MES y Scada, aportar elementos de
inteligencia artificial mediante la aplicacin de las citadas redes bayesianas.
La aplicacin de estas redes vendr condicionada por un anlisis previo de todos los
factores que intervienen o que pueden intervenir en el proceso. Se realizar un anlisis
de variable por variable, sus estados y sus relaciones con otras variables. La eficiencia
de la aplicacin del sistema experto vendr muy condicionada por el buen
conocimiento de stas, as como de las funciones de transferencia de energa y masa,

26

Introduccin
las prdidas del sistema, los equipos, los controles de calidad y de proceso, los
sistemas de automatizacin, la materia prima, los lazos de control a aplicar y sobre
todo, y lo ms importante, la experiencia personal acumulada que se tiene sobre el
producto y su tratamiento.
Como se enuncia, la tesis aporta una revisin de todos los procesos de fabricacin,
recopilando las mejores prcticas y redefiniendo los elementos de control intrnsecos y
extrnsecos a los equipos de fabricacin, as como la automatizacin eficiente de
dichos equipos, con la correspondiente aportacin de datos al sistema para su
evaluacin.
La regulacin aplicada tambin configura una novedad en el campo aplicado, ya que a
diferencia de otras industrias del mineral, la industria actual del yeso no aplica dichos
sistemas de control avanzados de las variables del sistema.
Otra aplicacin fundamental de la tesis, como se ha dicho, ser el modelo de
autodiagnstico mediante redes bayesianas aplicadas a la deshidratacin del yeso,
con lo cul se tendr una herramienta de control y decisin muy importante para el
ajuste de un proceso complejo, no tanto por su propio proceso sino por las condiciones
de naturaleza cambiantes de su materia prima.

1.2

MOTIVACIN

Con los elementos expuestos en el punto anterior de esta parte introductoria, se puede
ver clara la motivacin de esta tesis, enfocndola hacia un sentido de la conjugacin
de las diferentes tecnologas aplicadas para obtener la mejora deseada en el proceso
y en su actualizacin.
La industria de fabricacin de yeso en polvo no ha presentado grandes cambios en su
estrategia, en sus equipos ni en sus procesos. Por citar un ejemplo, la industria del
cemento, probablemente por su tratamiento multinacional, ya que el Clinker se
transporta mejor que el yeso en polvo y su precio es mayor, se ha armado con mejores
estrategias de fabricacin que la del yeso en polvo.
El actualizar en parte la fabricacin del yeso, concretamente la parte de la fabricacin
de la anhidrita se configura como la mayor motivacin de esta tesis. Mejorar el control
del proceso, su trabajabilidad y la recogida de datos, la mejor automatizacin y
autorregulacin y su gestin por mtodos de autoaprendizaje configurarn
metodologas para conseguirlo.

1.3

OBJETIVOS

Vistos los motivos expuestos en el apartado anterior, se definen en este punto los
objetivos a los que aspira esta tesis.
Estos objetivos se podrn agrupar en cuatro grupos:
-

Recopilar, evaluar, seleccionar y definir las mejores prcticas en el proceso de


fabricacin de anhidrita. Desde el inicio del proceso, con el tratamiento
preliminar del material hasta el almacenaje del mismo en silo, previo a su uso.

Automatizar el proceso de la fabricacin de anhidrita, enmarcado en un


proyecto de alcance superior, como es la automatizacin de una planta de
fabricacin de productos de yeso en polvo

27

Introduccin

Crear lazos de regulacin eficientes y autogestionados para el control del


proceso de calcinacin de la anhidrita en un horno rotativo de tres tubos y de
calcinacin directa.

Crear un modelo del sistema que lo autodiagnostique y que sirva para evaluar
su estado en cada momento, sus probabilidades de falla y que le permita un
autoaprendizaje a medida que el sistema vaya trabajando. Auto-ajustndose a
cada hora de funcionamiento y en cada cambio de condiciones de proceso, de
calidad, de naturaleza, de equipos y de meteorologa.

1.4

PLAN DE DESARROLLO

Para la consecucin de los objetivos de la tesis se ha realizado un plan de trabajo que


permite dicho fin. Dicho plan de trabajo se resume de esta forma:
-

Realizar un exhaustivo estado del arte de las tecnologas usadas para la


fabricacin de yeso, concretamente para la fabricacin de yeso anhidro o
anhidrita, y sus procesos de regulacin automtica.

Analizar las mejores prcticas referentes a la fabricacin de anhidrita, al control


de calidad, a los equipos, a las instalaciones, a la regulacin de los hornos de
calcinacin de yeso y al calibrado de los quemadores para dichos hornos.

Analizar y modelar los sistemas trmicos y energticos del sistema horno y del
sistema quemador, evaluando los balances de masa y energa que rigen su
funcionamiento, encontrando los puntos de trabajo ptimos en sus curvas de
rendimiento. Se usarn modelos de clculo energtico.

Implantar un sistema de automatizacin que permita una recogida y un reporte


de datos eficiente de los principales parmetros de control de la calcinacin de
la anhidrita en dichos hornos. Se aplicarn varios niveles de automatizacin
jerarquizada y software apto para su gestin y exportacin de resultados.

Evaluacin de los datos de todas las variables directas e indirectas del


proceso, evaluando la importancia relativa de cada una, su sensibilidad y su
relacin de dependencia o independencia con el resto. Se usar para este fin
software estadstico adecuado para tratar grandes muestras de datos y
mltiples variables.

Disear e implantar los lazos de control eficientes y autogestionados para el


ajuste ptimo dependiendo de las circunstancias y las condiciones de entrada
para el proceso de calcinacin de la anhidrita. Para ello se programaran los
bloques PID del PLC del sistema de automatizacin industrial.

Creacin e implantacin industrial de redes bayesianas de control del proceso


de fabricacin de anhidrita actuando como sistema experto a partir de los datos
autogestionados que suministra el sistema automticamente y que le hace ms
eficiente con la experiencia. Para este fin se usan software diseados para
tratar grandes redes bayesianas multiconectadas y programacin para la
interrelacin entre el sistema experto y los diferentes niveles de gestin de la
automatizacin.

La metodologa usada para realizar sta tesis ha sido la de realizar una investigacin
exhaustiva para cada apartado clave de la misma (tecnologa, fabricacin de anhidrita,

28

Introduccin
redes bayesianas, sistemas de control e implantacin industrial). Posteriormente se
han evaluado todas las bases de datos y reportes generados por los sistemas de
informacin disponibles, aportando stos, mediante un anlisis estadstico, una base
indispensable para la generacin de las propuestas de valor de ste trabajo. As,
finalmente se han podido establecer los sistemas de diagnstico que aportan la solidez
al proceso y que permiten avanzar en esta rea de aplicacin industrial.

1.5

MEDIOS UTILIZADOS

Para la elaboracin de esta tesis se ha usado la suite ofimtica Microsoft Office 2010,
trabajando bajo el S.O. Microsoft Windows 7 (64bits) y el siguiente software
especializado:
-

AEmes V.1.8
AutoCAD V.18.2
Minitab V.16.2
Matlab V.7.13
Netica V.4.16
Scada Citect Versin 5.50 Service Pack C

As mismo se han usado las instalaciones y equipos para fabricacin de yeso en polvo
de la planta que la empresa Yesos Ibricos, S.A. tiene en su planta de Beuda (Girona).

1.6

CONTENIDO DE LA TESIS

La tesis se ha estructurado en cinco captulos. En ste apartado se describir


brevemente el contenido de los mismos.
En primer lugar se ha realizado un apartado introductorio al contenido posterior,
identificando los motivos y objetivos de la tesis, as cmo su plan de desarrollo y los
medios utilizados para su elaboracin y estudio.
A continuacin se encuentra el Estado del Arte de los principales campos donde se
ubica ste trabajo, que sern el de la materia prima (el Yeso), la regulacin industrial y
su aplicacin actual, bsicamente sistemas de controladores PID y los sistemas
expertos, poniendo el foco en las Redes Bayesianas.
En el tercer captulo se realiza el desarrollo de la tesis. A partir del anlisis del proceso
de calcinacin de anhidrita, con todos los elementos que lo componen, se realizar un
balance msico y energtico completo del permetro estudiado y de una forma ms
global. Tambin se analizarn todas las variables implicadas en el proceso y las
relaciones entre ellas, a partir de la gran cantidad de datos registrados. Se desarrollar
el proceso de automatizacin de la calcinacin y se introducirn los elementos para la
regulacin automtica del sistema.
En este tercer captulo se crear un modelo mediante redes bayesianas que permitir
tener parametrizado el proceso de calcinacin mediante un moderno y eficiente
sistema, analizando las variables implicadas y su estados.
Posteriormente la aplicacin realizada se estudiar de una forma comparativa,
haciendo anlisis de bondad entre los sistemas clsicos de regulacin y los sistemas
propuestos mediante regulacin avanzada y sistemas expertos.

29

Introduccin
En el ltimo captulo se presentan las conclusiones a las que ha llegado esta tesis,
analizando las contribuciones aportadas y previendo los futuros desarrollos posibles
en su campo de aplicacin.

30

2 ESTADO DEL ARTE


Como se ha descrito en el captulo introductorio, ste trabajo se enmarca dentro del
sistema de calcinacin de anhidrita en un horno rotativo y su gestin mediante
sistemas expertos. En este estado del arte se analizar por una parte la materia prima.
Conocerla ser una parte fundamental para el posterior desarrollo de las propuestas,
ya que precisamente se basa en la fabricacin de anhidrita, un material semiterminado
procedente del sulfato clcico. Se relacionar el origen y la historia del mineral y su
tratamiento, as como los usos que se le ha dado al mismo durante todas sus etapas
de uso. Se mostraran los ltimos datos estadsticos disponibles sobre su fabricacin y
uso en el mundo. En apartados sucesivos se vern sus propiedades fsico-qumicas y
sus particularidades en diferentes condiciones, sin olvidar sus aplicaciones, en base a
los yesos tcnicos de segunda y tercera generacin, que son los actualmente
utilizados. Parte fundamental de este captulo ser la introduccin al proceso de
fabricacin industrial actual de los derivados del yeso, cosa que servir de base para
el basto tratamiento que se har del mismo en el desarrollo posterior.
A continuacin se referenciarn, como herramienta de anlisis que permitir su
implantacin posterior a ste sistema de calcinacin, los orgenes y el momento actual
de la regulacin automtica, analizando muchos estudios realizados en este campo,
en la investigacin del mismo y en su aplicacin industrial.
Con atencin especial, este estado del arte se centrar en los sistemas expertos, en el
campo de la inteligencia artificial, y en particular en las redes bayesianas. Se justificar
posteriormente el uso de estas tcnicas y herramientas estadsticas para el control del
sistema de referencia. Una de las aportaciones principales de esta tesis, ser la de
aplicar a un entorno industrial este tipo de redes de decisin, cosa que aportar valor a
futuros desarrollos en este campo.

31

Estado del Arte


2.1

EL YESO Y SUS APLICACIONES

2.1.1 Estado natural


2.1.1.1 Origen del yeso
La piedra de yeso, conocida tambin como aljez, est compuesta por el mineral yeso
(CaSO4 2H2O), frecuentemente mezclado con arcillas y rocas calcreas (Regueiro &
Calvo, 1997).
Se trata de una roca sedimentaria que tiene su origen geolgico en la evaporacin de
antiguos mares o lagos salados (Villanueva & Garca, 2001). Tambin puede
generarse por hidratacin de la anhidrita o, en algunos casos, por la accin de aguas
sulfurosas, ya sea sobre calizas o tobas volcnicas.
En el primer caso recibe la denominacin de yeso primario, mientras que, en el caso
de formarse por la hidratacin de la anhidrita natural, se conoce como yeso
secundario. Una forma tpica de yeso relacionado con la hidratacin de anhidrita es el
yeso fibroso (Alonso Zarza, 2010).
Tal como se ha comentado, los depsitos de yeso pueden darse en ambiente marino,
en llanuras costeras evaporticas o continentales y en lagos salinos.
En las llanuras costeras evaporticas, sometidas a intensa evaporacin de agua de
mar, el yeso y/o la anhidrita precipita, formando potentes depsitos de sulfato clcico
nodular o laminado. En este tipo de ambiente los cristales pueden crecer a partir del
fondo de las lagunas hacia arriba o bien formarse en la superficie de la salmuera y
caer posteriormente por gravedad hacia el fondo donde se acumulan (Figura 1)
(Regueiro & Calvo, 1997).

Figura 1. Ambientes de formacin de yesos y tipos de precipitados ms comunes en


ellos (Rouchy, 1982).
El yeso tambin precipita en aguas continentales, esencialmente en lagos salinos. En
estos lagos el yeso, y en ocasiones la anhidrita, se forman de manera similar que en

32

Estado del Arte


los ambientes marinos. Segn sea la composicin de las salmueras continentales, el
sulfato clcico se acumula acompaado de otras sales (Regueiro & Calvo, 1997).
Debido a la inestabilidad del yeso y de la anhidrita, estos minerales son susceptibles
de sufrir transformaciones cuando son enterrados a cierta profundidad. Estas
transformaciones afectan tanto a su composicin como a su estructura. El yeso
enterrado a unos pocos centenares de metros, se transforma por deshidratacin a
anhidrita, siendo la anhidrita la forma ms estable en condiciones de mayor presin y
temperatura. Si la anhidrita se exhuma vuelve a convertirse en yeso que, en este caso,
se denomina yeso secundario (Regueiro & Calvo, 1997).
Los fenmenos geolgicos de diagnesis (transformaciones durante la compactacin
de los sedimentos) e hipergnesis (transformaciones y alteraciones tras la exhumacin
de las rocas) se relacionan en lo que se conoce como ciclo geolgico del yeso Figura
2) (Ort, Rosell, & Salvany, 1992).

Figura 2. Ciclo geolgico (profundo) del sulfato clcico (Ort & Rosell, 1991).
El sulfato clcico se presenta en la naturaleza en tres fases distintas: en forma de yeso
(CaSO4 2H2O), en su forma anhidra (anhidrita, CaSO4), o como yeso hemihidrato
(basanita, CaSO41/2H2O). A continuacin se describirn estas tres fases.

2.1.1.2 Cristalografa y mineraloga del yeso


El yeso es el mineral ms abundante del grupo de los sulfatos hidratados.
Cristaliza en el sistema monocclico en el grupo espacial I2/a segn Schofield, Knight,
& Stretton (1996). Presenta una microestructura cristalina laminar en la que se
alternan capas de sulfato clcico y capas de agua. El sulfato clcico est formado por
una alternancia de iones sulfato, organizados en pirmides tetradricas, alternadas
con iones calcio formando un cristal inico. El agua se alterna con las lminas de
sulfato de calcio, unindose mediante puentes de hidrgeno (Figura 3) (Villanueva &
Garca, 2001).

33

Estado del Arte

Figura 3. Estructura cristalina del yeso segn (Schofield, Knight, & Stretton, 1996).
Tomada del sitio web de Mineralogy Database (Mineralogy Database, 2009).
Su composicin qumica en xidos es la siguiente (Dana & Hurlbut, 1959):
32,6% CaO
46,5% SO3
20,9% H2O
A continuacin se describen sus propiedades fsicas (Dana & Hurlbut, 1959),
(Departamento de Fsica de la Materia Condensada, Cristalografa y Mineraloga.
Universidad de Valladolid, 2011).

Color: Incoloro, blanco, gris; diversas tonalidades de amarillento, rojizo,


castao, como consecuencia de impurezas
Raya: Blanca
Brillo: Generalmente vtreo, tambin perlado y sedoso
Diafanidad: Transparente a translcida
Fusibilidad: Pierde una molcula de agua a 128C. Se deshidrata totalmente a
163C. F=7
Exfoliacin: En cuatro direcciones; perfecta, con produccin fcil de hojas
delgadas
Fractura: Concoidea a astillosa
Tenacidad: Flexible pero no elstico
Dureza: Baja. H=2,0 escala Mohs (se raya con la ua)
Densidad: Baja. G=2,32 g/cm3
Hbito: tabular, acicular, lenticular, dando con frecuencia maclas en forma de
Cola de Golondrina, Punta de Flecha, Rosa, etc. Agregados fibrosos u hojosos.
Masas espticas, granulares, concrecionadas, pulverulentas,... (Figura 4)

34

Estado del Arte

Figura 4. Morfologa de los cristales de Yeso (Ort, 1989).

En el anlisis de las variedades del yeso, se pueden destacar, como los tipos de yeso
ms comunes, segn su estructura y textura, los yesos macrocristalinos o selenticos,
los yesos laminados y los yesos nodulares (Regueiro & Calvo, 1997). Tambin abunda
el yeso fibroso y el yeso lenticular. Se describen todos ellos a continuacin:

Yesos macrocristalinos o selenticos. Generalmente se ordenan en cristales


maclados pero en ocasiones dan lugar a agregados macrocristalinos
desordenados. Presentan morfologas muy variadas (cola de golondrina, en
forma de sable, rbol de Navidad, espejuelo, etc.) (yeso cristalizado en Punta
de Flecha, Figura 5).
Yesos laminados. Se trata de agregados de cristales muy finos, ya sea con
formas irregulares o de lentculas o lminas (Figura 5).
Yesos nodulares. Formados por un agregado de microcristales
interpenetrados. De apariencia compacta y color blanco o amarillento. Un
ejemplo de esta tipologa sera el alabastro (Figura 5).
Yeso fibroso. Aparece cristalizado en forma de fibras que le dan un aspecto
sedoso (Figura 5).
Yeso lenticular. Cristaliza en forma de lente biconvexa.

En los ensayos con yeso se observa que funde con facilidad y es soluble en cido
clorhdrico y agua caliente. La solucin con cloruro de bario da un precipitado blanco
de sulfato brico (Dana & Hurlbut, 1959) (Mottana, Crespi & Liborio, 1991).
2.1.1.3 Cristalografa y mineraloga de la anhidrita
El sulfato clcico tambin se presenta en la naturaleza en su forma anhidra,
denominndose anhidrita o karstenita.
Tal como se ha comentado anteriormente (captulo 2.1.1.1), la anhidrita puede tener
origen evaportico o como producto de la deshidratacin del yeso. Puede, adems,
volver a transformarse en yeso en presencia de agua, dando lugar a yeso secundario.

35

Estado del Arte

Yeso cristalizado en Punta de Flecha

Yeso fibroso

Yeso laminar

Yeso nodular

Figura 5. Variedades de yeso. Tomada de la Gua Interactiva de minerales y rocas


(Rubio, 2000).

Cristaliza en el sistema rmbico (Dana & Hurlbut, 1959) en el grupo espacial Amma
(Chang, Howie, & Zussman, 1996) (Figura 6)

Figura 6. Estructura cristalina de la anhidrita segn (Hawthorne & Ferguson, 1975).


Tomada del sitio web de Mineralogy Database (Mineralogy Database, 2009).
Su composicin qumica en xidos es la siguiente (Dana & Hurlbut, 1959):
41,2% CaO
58,8% SO3
0% H2O

36

Estado del Arte


A continuacin se describen sus propiedades fsicas (Dana & Hurlbut, 1959),
(Departamento de Fsica de la Materia Condensada, Cristalografa y Mineraloga.
Universidad de Valladolid, 2011) (Figura 7)

Color: Incoloro a azulado o violeta. Tambin blanco, rosado, castao o rojizo


Raya: Blanca a blanca griscea
Brillo: Vtreo a nacarado
Diafanidad: Translcida a opaca
Fusibilidad: Pasa a monoclnica a 1193C. Funde a 1450C. F=7
Exfoliacin: Perfecta, con produccin de bloques rectangulares
Fractura: Desigual a astillosa
Tenacidad: Frgil
Dureza: H=3,0-3,5 escala Mohs
Densidad: G=2,89-2,98 g/cm3
Hbito: Generalmente aparece en masas compactas, granulares y fibrosas.
Raramente en forma de cristales tabulares y de agregados paralelos o radiales.

A continuacin se detallan las variedades existentes de anhidrita (Departamento de


Fsica de la Materia Condensada, Cristalografa y Mineraloga. Universidad de
Valladolid, 2011):

Piedra de tripa. Variedad en pliegues delgados muy apretados. Blanca, gris,


rojiza o azulada
Vulpinita. Anhidrita granular o escamosa. Gris, parda o azul

Figura 7. Anhidrita. Tomada de la Gua Interactiva de minerales y rocas (Rubio, 2000)


En los ensayos se observa que funde con facilidad y es soluble en cido clorhdrico
caliente. La solucin con cloruro de bario da un precipitado blanco de sulfato brico
(Dana & Hurlbut, 1959) (Mottana, Crespi, & Liborio, 1991).

2.1.1.4 Cristalografa y mineraloga de la basanita


Se trata de la fase del yeso menos frecuente en la naturaleza, debido a su
inestabilidad. Se produce por deshidratacin parcial del yeso, ligeramente por encima
de 100C (Villanueva & Garca, 2001).
La basanita cristaliza en el sistema rmbico.

37

Estado del Arte


Su composicin qumica en xidos es la siguiente (Dana & Hurlbut, 1959):
38,7% CaO
49,7% SO3
9,3% H2O
2.1.1.5 Clases de yeso de acuerdo a su pureza
En Espaa se puede encontrar piedra de yeso con ms del 95% de pureza, mientras
que por debajo del 70% de pureza no se suele utilizar (Villanueva & Garca, 2001).
Existen cinco clases de yeso establecidas, de acuerdo a la norma UNE 102.001 Aljez
o piedra de yeso. Clasificacin. Caractersticas, segn su contenido en sulfato clcico
dihidratado (Tabla 1).
Clase
I
II
III
IV
V

Contenido mnimo en sulfato clcico


dihidratado (%)
95
90
80
70
60

Tabla 1. Clasificacin de los yesos segn norma UNE 102.001

2.1.2 Historia de utilizacin del yeso


El yeso es uno de los minerales ms antiguos utilizados como material de
construccin.
Las primeras muestras de la utilizacin del yeso en la construccin que se conocen
hoy en da aparecen en el yacimiento neoltico de Catal-Hyk (Turqua) (Figura 8) y
datan del ao 7000 a.C. (Garate, 1999). En este lugar, se utiliz el yeso como
revestimiento y tambin en los suelos, el hogar y los hornos (Dez, 1997).

Figura 8. Muro pintado en edificio. Imagen tomada de la pgina web oficial de


Catalhoyuk Research Project (Catalhoyuk Research Project, 2012).

38

Estado del Arte


Tambin se encuentran trabajos en yeso en el asentamiento neoltico de Jeric (siglo
VI a.C.) en forma de yeso moldeado (Villanueva & Garca, 2001).
El documento ms antiguo sobre el yeso data del siglo IV antes de Cristo. Teofrasto,
discpulo de Platn y Aristteles, en su Tratado de la Piedra cita el uso del yeso como
material de ornamentacin en frescos, bajo relieves y estatuas y habla de la
posibilidad de su reutilizacin. Concretamente indica la posibilidad de recuperar los
enlucidos o los bajo relieves, sometindolos a una nueva coccin y, de este modo,
poder reutilizarlos. Tambin cita los yacimientos de yeso de Chipre, Fenicia y Siria.
(Dez, 1997).
Segn Grate (1993), los egipcios utilizaron la escayola para ensamblar los inmensos
bloques de la pirmide de Keops (2800 aos a.C.) y cubrieron su superficie con un
estuco de yeso rojo.
Restos del uso del yeso en Grecia se hallaron en el Palacio de Cnosos, en
revestimientos y suelos (Garate, 1999).
En el imperio romano destac el yacimiento de lapis specularis, yeso espejuelo,
localizado en Segbriga, Saelices, que se exportaba a Roma por ser de mayor calidad
que el de Sicilia. Muestras del uso del yeso en esta poca se encontraron, entre otros,
en Alicante, en piezas de decoracin, y en Pompeya, en la decoracin interior de los
muros (Villanueva & Garca, 2001).
Los romanos reconocieron la existencia de la profesin de yesaire. Se tiene noticia
gracias al Edicto Maximis pretus rerum venalius de Diocleciano, en el ao 1301, que
fijaba el sueldo de un yesaire, situndolo al nivel del de otros obreros especializados
(Dez, 1997).
En las regiones mesopotmicas se extendi la utilizacin del yeso en los trabajos de
albailera, debido a su elevada presencia en la naturaleza (Villanueva & Garca,
2001).

Figura 9. Ejemplo de pao de yesera en la Alhambra de Granada (Fachada de


Comares). Imagen tomada de la pgina web oficial del Patronato de la Alhambra y el
Generalife (Patronato de la Alhambra y el Generalife, 2012).
Se debe a los rabes la difusin del uso del yeso en Espaa, donde se le dio un uso
muy extenso: en revestimientos, guarnecidos, enlucidos, suelos, juntas y
ornamentacin (yeseras). Estas ltimas son obras de elevada singularidad dentro del

39

Estado del Arte


arte musulmn en Espaa (Villanueva & Garca, 2001). Como ejemplo puede citarse la
Alhambra de Granada, construida por los nazares (Figura 9).
En la Edad Media destac la utilizacin del yeso en la regin de Pars. En esta poca
el yeso se utilizaba en Europa en revestimientos, forjados en combinacin con
viguetas de madera, tabiquera y chimeneas (Villanueva & Garca, 2001).
En el Renacimiento, sobretodo en la poca del Barroco, se llega a la mxima
esplendor en el empleo del yeso, utilizndose como decoraciones en multitud de
monumentos, en muchos casos doradas (Dez, 1997).
Se puede hablar del yeso realmente como material de construccin a partir del siglo
XV. El Rey de Francia Luis XIV decret en 1667 la utilizacin del yeso como material
antincendio despus de haber sucedido un gran incendio en Londres en el cual los
nicos edificios que se conservaron fueron los revestidos con yeso (Dez, 1997).
El yeso se va incorporando gradualmente, a partir del s. XVIII, en toda la construccin
europea. Lavoisier, en 1768, presenta en la Academia de Ciencias un estudio cientfico
sobre la calcinacin del yeso, estudio continuado por Van tHoff y Le Chatelier
(Villanueva & Garca, 2001).
Segn la tesis de Sanz (2009), a mediados-finales del s. XVIII hasta principios del s.
XIX comienzan a utilizarse, en Inglaterra, otro tipo de materiales conglomerantes en
obras hidrulicas: cementos naturales y artificiales. La piedra artificial empieza a
sustituir a los estucos, mientras que los cementos y cales hidrulicas sustituyen a las
cales areas y a los yesos en revestimientos exteriores. Deja de utilizarse el yeso en
pavimentos (excepto en Alemania y algunas zonas de la antigua Unin Sovitica). El
uso del yeso queda limitado a los acabados interiores de paredes y techos, y aparecen
una segunda generacin de productos, yeso en polvo, prefabricados (placas, bloques
y paneles de cartn-yeso).
No obstante, segn Sanz (2009), en zonas de gran abundancia yesfera, se mantienen
las construcciones con yeso al exterior y pavimentos, como en Cuenca y Albarracn.
En este ltimo lugar todava se fabrica yeso rojo en un horno moruno, segn el
sistema tradicional (Villanueva & Garca, 2001).
A finales de los aos 50 se empez a fabricar yeso y escayola de forma industrial en
Espaa. Se obtienen, de esta forma, productos con caractersticas ms uniformes,
conocidos como yesos industriales o de segunda generacin (Villanueva & Garca,
2001)
Posteriormente, a finales de los aos 60, se empez a mezclar perlita como agregado
ligero a yesos y escayolas. Tambin comenzaron a utilizarse aditivos de forma
generalizada, principalmente retenedores de agua, espesantes y reguladores de
fraguado. Se trata de los denominados yesos de tercera generacin (Villanueva &
Garca, 2001).

2.1.3 Yacimientos de yeso en Espaa


La mayor parte de los yacimientos de yesos en Espaa se sitan en la mitad oriental
del pas. Hasta el plegamiento Herciano, las condiciones de formacin del yeso no
fueron favorables. Despus, mientras que la mitad occidental permaneci emergida, la
oriental tuvo un mbito adecuado. Las formaciones yesferas aparecieron a partir de la

40

Estado del Arte


formacin de los grandes lagos salados formados en el Mesozoico, en el Keuper1
(Villanueva & Garca, 2001). Destacan las de la Cordillera Ibrica, siendo las ms
importantes por calidad y reservas (Regueiro & Calvo, 1997).

Figura 10. Principales zonas de yesos en Espaa. Imagen tomada de Regueiro &
Gonzlez-Barros (1997).
Segn Regueiro & Gonzlez-Barros (1997), del Terciario son importantes los
yacimientos de la Meseta Sur, los de Navarra y los de Aragn, todos ellos
correspondientes al Oligoceno. Mientras que, del Mioceno, resaltan los yacimientos de
la Meseta Norte, los de la Cuenca del Tajo, los de Barcelona y los de Alicante.
Adems, destacan por su volumen los de la Cuenca de Sorbas (Almera), del Mioceno
Superior (Figura 10).
La cantidad de recursos yesferos en Espaa es de aproximadamente 60.000 millones
de toneladas. Se consideran recursos ilimitados segn el plan de investigacin de
yesos realizado por el Instituto Geolgico y Minero de Espaa desde 1968 a 1989
(Regueiro & Calvo, 1997).

2.1.4 Produccin de yeso en Espaa


2.1.4.1 Panorama nacional
Aunque la produccin de yeso en Espaa ha descendido notablemente en los ltimos
aos (2007-2011), sigue siendo uno de los mayores productores de yeso del mundo.
En Europa en 2009 se mantena como lder en produccin y exportacin (Merchan &
Regueiro, 2009).
Segn el informe Panorama Minero del IGME, del ao 2009, el sector espaol del
yeso est mayoritariamente en manos de empresas multinacionales de matriz europea
tales como Saint Gobain (Francia), Lafarge (Francia) y Knauf (Alemania).
El Grupo Saint Gobain opera a travs de Saint Gobain PLACO Ibrica S.A, Compaa
Minera Fuente del Peral S.A. y Yesos Mara Morales S.A. Cuenta con ms de veinte
canteras de yeso repartidas por todo el territorio, entre ellas, beneficia el yacimiento de
1

Trisico Superior.
El Pliego RY-85 est derogado por el Real Decreto 1371/2007, por el que se aprueba el documento
bsico DB-HR Proteccin frente al ruido del Cdigo Tcnico de la Edificacin.
2

41

Estado del Arte


Sorbas (Almera) en la cantera de yeso ms grande de Europa, desde donde se
exportan ms de 2 MTm de yeso crudo. Posee fbricas en Sevilla, Madrid, La Rioja,
Zaragoza y Castelln.
El grupo Uralita, lder en Espaa en el mercado de placas de yeso y segundo mayor
de produccin de yeso en polvo, dispone de unidades productivas de yeso en polvo en
Martos (Jan), Alicante, Maeru (Navarra), Beuda (Girona) y Valdemoro (Madrid),
fabricando adems en Madrid placas de yeso.
La empresa alemana Knauf (uno de los lderes mundiales del sector), cuenta con
cantera y fbrica en Guixers (Lleida), con una capacidad productiva de 150 Tm/h, y
con nuevas instalaciones en Esczar (Granada), en las que se prev una capacidad
productiva de 100 m2/minuto de placa de yeso.
En Espaa, de acuerdo con el mismo informe, abundan las empresas pequeas de
tipo familiar, que producen una buena parte de las escayolas y yesos para la
construccin de la industria nacional, con producciones individuales de alrededor de
50.000 Tm/ao. Entre otras se puede mencionar Escayolas Fidensa S.L. y Yesos
Jurez-Hernndez, en Toledo; Hermanos Ruiz Dorantes S.L., con cantera en Cdiz y
planta en Sevilla; y CALCINOR, S.A, en Guipzcoa, presente en el sector mediante
una participacin minoritaria en la compaa Yesos Albi S.A. (Burgos).
Destaca tambin la empresa Explotaciones Ro de Aguas, S.L, perteneciente al
holding Grupo Torralba, por ser el mayor exportador de yeso en Espaa.
El sector yesero nacional cuenta con la Asociacin Tcnica y Empresarial del Yeso
(ATEDY), miembro de la federacin europea Eurogypsum, que agrupa actualmente a
16 pases con objeto de promover el desarrollo de la industria del yeso a escala
europea.
2.1.4.2 Produccin minera
Durante los ltimos aos la produccin nacional de yeso ha seguido la tendencia del
sector de la construccin de viviendas. En 1992 y 1993 se not la crisis del sector y,
de nuevo, a partir del ao 2008, empieza a disminuir la produccin por la crisis
econmica actual, la cual todava persiste (Figura 11).

42

Estado del Arte


18000
Produccin de Yeso (miles de t)

16000
14000
12000
10000
8000
6000
4000
2000
0
2006

2007

2008

2009

2010

Figura 11. Produccin minera de yeso de los ltimos aos (2006-2010). Productos de
cantera. Grfico elaborado a partir de datos de la Estadstica minera anual 2010
(Ministerio de Industria, 2010).
La produccin total nacional en 2009 fue de 8.181.415 toneladas, que suponen un
descenso del 30,5% con respecto a 2008 (Merchan & Regueiro, 2009). En 2010 la
produccin tuvo un descenso del 14,6% con respecto a 2009, segn datos de la
Estadstica minera anual de 2010 (Ministerio de Industria, 2010).
Segn la Estadstica Minera de Espaa, durante el 2009, 11 comunidades extrajeron
yeso en 118 explotaciones, repartidas en 27 provincias entre las que destaca Almera,
con el 37% de la produccin nacional.
La mayor parte de la produccin del 2009 (56%) se comercializ como productos en
polvo, prefabricados de escayola y placas de yeso laminado. Tambin se destin una
parte a la obtencin de cemento (17%), yesos y escayolas para la construccin, techos
de escayola, tabiques prefabricados, placas de yeso, yesos especiales y otras
aplicaciones. Adems, se export un 27% de la produccin (Merchan & Regueiro,
2009).
En 2009 la produccin del yeso alcanz un valor a pie de cantera de 6,30 /Tm, lo que
supone un valor de 51,58 millones de euros para la produccin nacional (Merchan &
Regueiro, 2009)
A nivel mundial, segn el U.S. Geological Survey (2011), en el ao 2009 China fue el
pas con mayor produccin minera de yeso (con unos 45 millones de toneladas),
seguido de Irn (con unos 13 millones de toneladas) y Espaa, que ocupa la tercera
posicin con una produccin de unos 11,5 millones de toneladas segn esta fuente
(Figura 13).
En el siguiente grfico se muestra la distribucin de la produccin por Comunidades
Autnomas (Figura 12):

43

Estado del Arte


Navarra Murcia Baleares
Castilla-Len
1,7% 2,7% 0,2%
5,5%
Aragn
6,2%
La Rioja
3,5%
Com. Valenciana
5,7%

Andaluca
47,8%

Catalua
8,1%

Castilla-La Mancha
8,9%

Madrid
9,6%

Figura 12. Distribucin de la Produccin nacional de yeso por Comunidades. Ao


2009. Grfico elaborado a partir de datos de Estadstica minera de Espaa 2009
(Merchn & Regueiro, 2009).

Figura 13. Produccin minera de yeso en el mundo para 2011. Imagen tomada de
Maps of World (2012).

44

Estado del Arte


2.1.5 El sistema sulfato clcico-agua
El sistema sulfato clcico-agua se caracteriza por 5 fases slidas, cuatro de las cuales
existen a temperatura ambiente: sulfato de calcio dihidratado, sulfato de calcio
semihidrato, anhidrita tipo III y anhidrita tipo II. La quinta fase corresponde a la
anhidrita tipo I y slo existe por encima de los 1.180C (Wirsching, 2005).
2.1.5.1 Sulfato de calcio dihidratado
Se trata del mineral de yeso, compuesto qumicamente por sulfato clcico cristalizado
conjuntamente con agua, en la proporcin de dos molculas de agua por cada
molcula de sulfato clcico. Cristaliza en el sistema monociclo, tal como se ha descrito
en el apartado 2.1.1.2.
2.1.5.2 Semihidrato
Se nombra indiferentemente hemihidrato y semihidrato (SH). De frmula CaSO4 1/2
H2O, cristaliza en el sistema rombodrico (Nolhier, 1986).
Para alcanzar la forma de semihidrato, el sulfato de calcio dihidratado debe perder una
molcula y media de agua. Esto sucede en una primera etapa de deshidratacin, por
encima de los 100C (Villanueva & Garca, 2001).
CaSO4 2H2O
Yeso dihidratado

>100C

CaSO4 1/2 H2O + 3/2 H2O


Yeso semihidratado

El semihidrato (SH) o hemihidrato puede presentar dos formas alotrpicas y con


caractersticas fsicas y microestructurales diferentes (Villanueva & Garca, 2001).
El yeso semihidrato tipo se produce generalmente en autoclave, a presin superior a
la atmosfrica, de forma que el agua se elimina en forma lquida (Nolhier, 1986). Es
muy compacto, resistente y de cristales grandes. Se trata de los denominados yesos
alfa, los cuales necesitan muy bajo factor de agua en el amasado y producen, por
tanto, unos rehidratos muy compactos, duros y resistentes (Villanueva & Garca,
2001). Los yesos alfa se utilizan para aplicaciones especiales como moldes para
cermica, odontologa, etc.
El semihidrato se produce generalmente en horno rotatorio y a presin atmosfrica,
de forma que el agua se elimina en estado vapor seco (Nolhier, 1986). Tiene las
formaciones cristalinas ms fragmentadas y holgadas. Se trata de una forma ms
inestable que la variedad alfa. En estado puro constituye la escayola, caracterizada
por tener un factor agua/yeso de amasado ms elevado y dar rehidratos ms porosos
que los yesos alfa. Tambin puede darse la forma en mezcla con otras fases,
industrialmente conocido como yeso multifase o yeso de construccin (Villanueva &
Garca, 2001).
En ausencia de modificadores de fraguado, el semihidrato amasado en agua, se
retransforma en yeso al 95%, en unos 30 minutos aproximadamente. La hidratacin es
completa en menos de 2 horas (Nolhier, 1986).
Los semihidratos son los yesos de fabricacin ms fcil. Las caractersticas mecnicas
finales de los productos obtenidos son comparables a las que resultan de la utilizacin
de otras fases del sistema CaSO4 H2O. La diferencia esencial se refiere a la duracin
del fraguado: cuanto ms cocido o sobrecocido est el yeso, fragua ms lentamente.

45

Estado del Arte


En el pasado, slo se saba ralentizar el fraguado del yeso utilizando una cierta
cantidad de yeso sobrecocido. Actualmente, la velocidad de fraguado es sobretodo
dominado gracias al uso de aditivos qumicos. Habiendo solucionado este problema, la
industria del yeso tiende a fabricar exclusivamente los semihidratos (Nolhier, 1986).
2.1.5.3 Anhidrita III o anhidrita soluble
Si se sigue incrementando la temperatura de calcinacin, entre 110 y 290C, el yeso
puede continuar perdiendo agua hasta llegar al estado de sulfato clcico anhidro, o
anhidrita III (AnIII), tambin conocida como anhidrita soluble. (Villanueva & Garca,
2001). Cristaliza en un sistema hexagonal (Nolhier, 1986).
Se considera este producto como una etapa intermedia dentro la transformacin del
semihidrato a anhidrita II. Difcilmente se puede observar esta fase sola. De una parte,
en las temperaturas industriales necesarias para la formacin de anhidrita III (del
orden de 180C) producen una reducida cantidad de anhidrita II y, por otra parte, la
anhidrita III se transforma muy rpidamente en semihidrato en contacto con la
humedad del aire (Nolhier, 1986).
CaSO4 H2O
Yeso semihidratado

110-290C

SO4 Ca + H2O
Anhidrita III

Segn Nolhier (1986), la frmula de la anhidrita III es CaSO4 H2O, con comprendido
entre 0,06 y 0,11, lo cual significara que la anhidrita III tiene una cantidad reducida y
variable de agua.
El proceso de retransformacin de la anhidrita III en semihidrato se llama reversin. Es
fundamental controlar este proceso de reversin ya que la anhidrita III es un potente
acelerador del fraguado del yeso, lo cual no es sistemticamente deseado (Nolhier,
1986).
Amasada con agua, la anhidrita III fragua en pocos minutos. Es el yeso ms reactivo
(Nolhier, 1986). Debido a esta caracterstica, la AnIII se aplica en la industria como
producto desecador.
Existen dos variedades y de anhidrita III, segn si provienen del SH o .
Semihidrato

anhidrita III
220C

Semihidrato

anhidrita III
300C

La anhidrita III se encuentra en las escayolas junto al semihidrato y en los yesos


de construccin junto con el semihidrato y la anhidrita II (Villanueva & Garca, 2001).
2.1.5.4 Anhidrita II o anhidrita insoluble
Es la forma natural de la anhidrita y tambin puede producirse por calcinacin de
dihidrato, semihidrato y anhidrita III a elevada temperatura (Wirsching, 2005).
La anhidrita II cristaliza en un sistema rombodrico (Nolhier, 1986).

46

Estado del Arte


Entre los 300C y los 700C se produce industrialmente el sulfato clcico anhidro II o
anhidrita II (AnII) (Nolhier, 1986).
SO4 Ca
Anhidrita III

300-700C

SO4 Ca
Anhidrita II

La anhidrita II presenta mayor estabilidad que la AnIII. Es relativamente inerte e


insoluble. Se considera que la anhidrita II es activa, cuando se hidrata completamente
despus de una estancia de 7 das en agua lquida. A partir de 700C se habla de
yeso cocido a muerte, el producto se hidrata muy lentamente (a veces en varios
meses) (Nolhier, 1986).
La anhidrita II activa es utilizada dentro la fabricacin de enlucidos a base de
semihidratos. La anhidrita II activa se comporta como una carga inerte en el momento
del amasado dando cuerpo a la pasta durante el trabajo y completa la solidez del
enlucido una vez colocado, a travs de una cristalizacin complementaria, la cual est
desfasada respecto el fraguado del semihidrato (Nolhier, 1986).
Se pueden obtener 3 tipos de AnII calcinada, segn la temperatura y el tiempo de
coccin (Wirsching, 2005):
-

AnII-s (ligeramente soluble), producida entre 300 y 500 C, de rpida


rehidratacin.
AnII-u (insoluble), producida entre 500 y 700C, de lenta rehidratacin.
AnII-E (disociada parcialmente), producida por encima de 700C, de tiempo de
rehidratacin intermedio. Variedad conocida como yeso de pavimentos.

2.1.5.5 Anhidrita I
Por ltimo, cuando se sobrepasan los 1.200C se obtiene la anhidrita tipo I. Esta fase
no es estable a temperatura ambiente, transformndose en anhidrita II por debajo de
1.200C (Nolhier, 1986).
SO4 Ca
Anhidrita II

ms de 1.200C

SO4 Ca
Anhidrita I

La anhidrita I producida a altas temperaturas (por encima de los 1.400 C) contiene


xido de cal, generado por la descomposicin del sulfato clcico. Esta anhidra es
soluble y puede incluso fraguar en el agua cuando el mineral tiene impurezas
arcillosas o mediante mezclas artificiales (tiene propiedades hidrulicas) (Villanueva &
Garca, 2001).

2.1.6 Propiedades de los yesos en polvo


Los productos en polvo se caracterizan por su composicin qumica, composicin
mineralgica (contenido en las diferentes fases del sistema sulfato clcico-agua),
finura de molido y aditivos y adiciones que puedan agregrseles (Villanueva & Garca,
2001) (Tabla 2).

47

Estado del Arte


Caracterstica
Frmula
Masa
molecular
Estabilidad
termodinmica
Formas o
estados

Dihidrato
CaSO42H2O
172,17

Semihidrato
CaSO41/2H2O
145,15

Anhidrita III
CaSO4
136,14

Anhidrita II
CaSO4
136,14

Anhidrita I
CaSO4
136,14

<40C

metaestable

metaestable

40-1180C

>1180C

Otros nombres

Aljez
Piedra de
yeso
Crudo/
doblehidrato
<40C

Basanita
Hemihidrato

Tres estados:
-anhidrita III
-anhidrita
III
-anhidrita III
Anhidrita
soluble

Tres
estados:
AnII-s
AnII-u
AnII-E
Anhidrita
insoluble
Anhidrita
natural
Sobrecocido
200-1180C

<40C

Forma :
80-180C
Forma :
120-180C

Condiciones
de sntesis

Temperatura
de produccin

Dos formas:

Forma :
>45C
solucin
acuosa
Forma :
45-200C
Aire seco

Formas - y
-AnIII: 50C
vaco o
100C en
aire
-AnIII:
100C en
aire seco
Formas AnIII y AnIII: 290C
Forma AnIII: 110C

300-900C
AnII-s:
<500C
AnII-u: 500700C
AnII-E:
>700C

Anhidrita de
alta
temperatura

>1180C

No
produccin
industrial

Tabla 2. Caractersticas de las fases del sistema sulfato clcico-agua (Wirsching,


2005) y (Villanueva & Garca, 2001).
2.1.6.1 Caractersticas qumicas
Los diferentes tipos de yeso anteriormente indicados se distinguen en su composicin
qumica (Tabla 3).
CARACTERSTICAS
QUMICAS
Agua combinada en %
mximo
ndice de pureza, en %
mnimo
Sulfato de calcio
semihidrato en %
mnimo
pH mnimo

YG

YG/L
6

YF

TIPOS DE CLASES
YF/L YP E-30 E-30/L
6
6
7

E-35

E-35/L
7

75

80

85

90

92

85

87

Tabla 3. Caractersticas qumicas para los distintos yesos de construccin segn el


Pliego general de condiciones para la recepcin de yesos y escayolas en las obras de
construccin (RY-85)

48

Estado del Arte


El contenido en agua combinada puede determinarse mediante anlisis qumico,
segn norma UNE 102032 Yesos y escayolas de construccin. Mtodos de anlisis
qumico, calculada por diferencia de pesadas antes y despus de calentamiento a
25010C, hasta masa constante.
El ndice de pureza se define segn la norma UNE 102032 como el contenido terico
total de sulfato clcico-agua del producto considerado, expresado en tanto por ciento
en masa de la muestra desecada a 45C.
Segn el Pliego general de condiciones para la recepcin de yesos y escayolas en las
obras de construccin (RY-85)2, el ndice de pureza se calcula segn la expresin:
IP=1,7a+b
donde:
IP = ndice de pureza en tanto por ciento.
1,7 = relacin entre los pesos moleculares del sulfato de calcio (SO4Ca) y trixido de
azufre (SO3).
a = contenido en SO3 (%)
b = contenido en agua combinada en (%)
Segn la norma UNE 102032 la determinacin del pH se realizar a travs de la
medida de la diferencia de potencial de una pila elctrica constituida por una lmina de
platino introducida en la disolucin de yeso y un electrodo patrn.
El anlisis mineralgico determina el contenido en las diferentes fases del sistema
sulfato clcico-agua. El mtodo de anlisis se define en la norma UNE 102037 Yesos y
escayolas de construccin. Mtodo de anlisis de fases.
2.1.6.2 Finura de molido
La finura de molido depende del molino utilizado en la fabricacin del yeso (Tabla 4).
Se determina, segn la norma UNE-EN 13279-2 Yesos de construccin y
conglomerantes a base de yeso para la construccin. Parte 2: Mtodos de ensayo,
pasando una muestra previamente desecada por un tamiz: 5000 m (C2), 200 y 100
m (C1), 1500 m (C1, C6).
CARACTERSTICAS
FINURA DE MOLIDO
Retencin en el tamiz
0,8 UNE 7 050 en %
mximo
Retencin en el tamiz
0,2 UNE 7 050 en %
mximo

YG

YG/L
-

50

YF

TIPOS DE CLASES
YF/L YP E-30 E-30/L
0

15

30

E-35

E-35/L
0

Tabla 4. Finura de molido para los distintos yesos de construccin segn el Pliego
general de condiciones para la recepcin de yesos y escayolas en las obras de
construccin (RY-85)

El Pliego RY-85 est derogado por el Real Decreto 1371/2007, por el que se aprueba el documento
bsico DB-HR Proteccin frente al ruido del Cdigo Tcnico de la Edificacin.

49

Estado del Arte


2.1.6.3 Aditivos
La adicin de aditivos a los productos en polvo modifica algunas caractersticas de los
yesos: tiempos de fraguado, consistencia de la pasta, retencin de agua, etc.
Los aditivos se pueden clasificar en tres grupos de acuerdo a su forma de actuar
segn Gom (Gom, 1979):
-

Grupo a) Sustancias que modifican la solubilidad de alguna o algunas de las


fases que intervienen en la hidrlisis: el semihidrato o el dihidrato. La rapidez
del tiempo de fraguado en los yesos viene dada por la mayor solubilidad del SH
con respecto a la del DH, por tanto, aplicando productos que consigan igualar
estas solubilidades se obtendr una accin retardante. Esto se consigue
mediante sustancias con grupos carboxilos o hidroxilos, como glicerina,
glicoles, alcoholes y cidos acticos o bricos.
Grupo b) Sustancias que forman grupos insolubles con el ion Ca2+, con la
consiguiente reduccin de este en la solucin. Adems, la precipitacin
envuelve a los grmenes cristalinos retrasando su engrosamiento y
dificultando la disolucin del DH con objeto de mantener la saturacin.
Pertenecen a este grupo los boratos, fosfatos, carbonatos, silicatos, etc.
Grupo c) Compuestos orgnicos con elevado peso molecular y algunos
coloides. Actan sobre los grmenes de cristalizacin y sobre la velocidad de
crecimiento de los cristales tanto por su precipitacin sobre ellos como por el
incremento de la viscosidad del medio, que frena las reacciones inicas an
posibles por difusin. Estos compuestos, adems de modificar el tiempo de
fraguado, modifican la plasticidad, la reologa, el tiempo de empleo, la
contraccin diferencial, la elasticidad, etc. Pertenecen a este grupo las
casenas, la goma arbiga, las protenas hidrolizadas, los taninos, las
queratinas, las metilcelulosas, etc.

La accin combinada de alguna de estas sustancias da lugar a una mejora de las


propiedades del yeso. Aplicando un retardador y un acelerador o espesante puede
aumentar el tiempo de utilizacin de la pasta de 5 a 20 minutos (Gom, 1979).
Los espesantes aumentan la consistencia de la pasta y permiten adelantar el
comienzo del empleo del yeso. Un ejemplo es el almidn (Villanueva & Garca, 2001).

2.1.7 Caractersticas de las pastas de yeso o escayola

2.1.7.1 Fraguado de yesos y escayolas


Durante el proceso de fraguado, las fases anhidras o semihidratadas del polvo de yeso
se transforman de nuevo en dihidrato en contacto con agua. Esto provoca el
endurecimiento de la pasta.
Las reacciones que tienen lugar en la rehidratacin son (Wirsching, 2005):
CaSO4 H2O+ 3 H2O
CaSO4 + 2 H2O

Ca SO42H2O + Q
Ca SO42H2O + Q

50

Estado del Arte


Estas reacciones tienen lugar con desprendimiento de calor. En condiciones de
laboratorio suele haber un incremento de 20C en la hidratacin de un semihidrato
(Villanueva & Garca, 2001).
Adems, se produce un ligero aumento de volumen debido al rpido crecimiento de los
cristales. En general, la expansin es mayor cuanto ms lenta es la velocidad de
hidratacin. Esto define la porosidad del material, factor que influye sobre las
propiedades mecnicas del yeso, afectando a su dureza superficial (Villanueva &
Garca, 2001).
El proceso de rehidratacin ha sido ampliamente estudiado, siendo la Teora del
crecimiento cristalino de Le Chtelier en 1908 y la Teora Coloidal, propuesta por
Michaelis en 1870, las ms importantes y reconocidas (Arzabe, 1997).
Segn la teora de Le Chtelier el sulfato de calcio semihidrato en contacto con agua
primero forma una solucin saturada de la fase anhidra y sobresaturada respecto al
dihidrato, que precipita cristalizando (Wirsching, 2005).
Segn la teora coloidal, la hidratacin se produce mediante un proceso coloidal que
implica la formacin de un gel a partir del cual se forman los cristales de yeso. Sin
embargo, no se ha demostrado todava experimentalmente la existencia de este gel
(Wirsching, 2005).
Segn Nolhier (1986) el fraguado pasa por cuatro fases:
a) La primera fase dura solamente algunos minutos y empieza en el momento de
la introduccin del polvo de yeso dentro del agua. El semihidrato al principio es
mojado por el agua y absorbe una parte de esta, luego se disuelve hasta la
saturacin. Una cantidad reducida de agua est unida a la superficie de los
granos slidos, y se forma muy rpidamente los falsos hidratos inestables
alrededor de los granos de yeso.
b) Hay una disposicin cristalina de los falsos hidratos que se transforman en
diversos hidratos. Estos constituyen las semillas de la reaccin que se
desarrollar posteriormente. Es posible acelerar esta segunda fase
multiplicando el nombre de semillas, o bien, dispersndolas dentro de la
solucin:
- La multiplicacin se realiza industrialmente dentro de las instalaciones
de prefabricacin aadiendo yeso fino (a menudo yeso ya fraguado).
Los granos de yeso molidos finamente constituyen la cantidad de
semillas.
- La dispersin y la activacin de los falsos hidratos se realiza mediante
una mezcla violenta o la accin de ultrasonidos. Los choques
mecnicos separan los falsos hidratos del semihidrato, lo cual
multiplica las superficies libres y acelera la reaccin.
c) La solucin sobresaturada en semihidratos precipita. Hay cristalizacin a yeso.
Esta reaccin es autocataltica y exotrmica (libera calor). El principio del
endurecimiento corresponde a esta tercera fase.
d) La cristalizacin se ralentiza a causa de la desaparicin del semihidrato, y
luego se para. Esta fase tiene una influencia esencial sobre las caractersticas
finales del producto: retraccin y caractersticas mecnicas. Es la fase ms
difcil de controlar, debido a que es difcil de influir sobre el revestimiento de los
cristales y su crecimiento.

51

Estado del Arte


Desde el punto de vista fsico se denomina principio de fraguado al momento en que la
pasta pasa del estado lquido al estado plstico y final de fraguado al momento en que
pasa del estado plstico al slido (Villanueva & Garca, 2001).
Para conseguir una consistencia especfica, a partir de los yesos calcinados, se
aaden plastificantes o reductores de agua (alquilarilsulfonatos, lignosulfonatos o
resinas de melamina), que reducen la demanda de agua, o bien agentes floculantes
(como por ejemplo xido de polietileno) que aumentan la demanda de agua
(Wirsching, 2005).
El tiempo de utilizacin de un yeso es el intervalo de tiempo durante el cual el material
mezclado puede ser utilizado correctamente. Los diferentes procedimientos de puesta
en obra reclaman entonces diferentes tiempos de empleo (Nolhier, 1986).
El tiempo de fraguado del yeso es el intervalo de tiempo que separa el principio de la
mezcla del fin del fraguado (Nolhier, 1986).
La velocidad de fraguado del yeso depende de diversos factores, como la temperatura
del agua, la cantidad de agua de amasado, el tamao de la partcula y el tiempo
transcurrido desde la coccin. Para acelerar o retardar la velocidad de fraguado se
utilizan numerosos aditivos.
El cido sulfrico y sus sales, y el sulfato de calcio dihidrato son ejemplos de
acelerantes. Estas sustancias consiguen el efecto acelerante incrementando la
solubilidad y la velocidad de disolucin del yeso calcinado, o aumentando la velocidad
de nucleacin (Wirsching, 2005).
Dentro de los retardantes se incluyen cidos orgnicos y sus sales, coloides, sales de
cido fosfrico o cido brico (Wirsching, 2005). El efecto retardante se consigue
mediante mecanismos diversos, comentados en el apartado 2.1.6.3.
Los aditivos acelerantes o retardantes a menudo siguen una accin selectiva sobre
una u otra fase de hidratacin. Es interesante a veces mezclarlos con el fin de obtener
productos en los que el tiempo de inicio y fin del fraguado correspondan exactamente
con las necesidades de puesta en obra (Nolhier, 1986).
Segn la norma UNE-EN 13279-2 se plantean dos mtodos para la determinacin del
tiempo de fraguado (Tabla 5):
-

Mtodo del cuchillo. El principio de fraguado se alcanza, a partir del comienzo


del amasado de una pasta de yeso, cuando los bordes de una marca producida
por la hoja del cuchillo ya no se juntan, una vez separado ste.
Mtodo del cono de Vicat. Se basa en la penetracin de la aguja o del cono de
Vicat en el seno de una pasta de Yeso.

52

Estado del Arte


CARACTERSTICAS
TRABAJABILIDAD
Tiempo en pasar del
estado lquido al
plstico, mximo en
minutos
Duracin del estado
plstico, mnima en
minutos

YG
8

10

YG/L
20

YF
8

30

10

TIPOS DE CLASES
YF/L
YP E-30
E-30/L
20
8
8
20

30

10

10

30

E-35
8

E-35/L
20

10

30

Tabla 5. Tiempos de fraguado para los distintos yesos de construccin a partir de


Pliego general de condiciones para la recepcin de yesos y escayolas en las obras de
construccin (RY-85) (nota 2)
El fin del fraguado se logra cuando una ligera presin del dedo pulgar o ndice, de 5 kg
a 6 kg, no deja marcas en la superficie del yeso (Nolhier, 1986).
2.1.7.2 Agua de amasado
La cantidad de agua de amasado viene condicionada por el tipo de producto y su
granulometra (Villanueva & Garca, 2001).
La cantidad de agua terica para hidratar el semihidrato es del 18,62% del contenido
en yeso (agua estequiometria) pero en la prctica es imposible amasar el yeso con
una cantidad de agua tan pequea, ya que no se consigue una buena mezcla y se
produce un fraguado instantneo. Por tanto, siempre se trabaja con exceso de agua
sobre la cantidad terica (Nolhier, 1986).
As pues, al aumentar la cantidad de agua de amasado (relacin A/Y), se retrasa el
fraguado del material (Tabla 6), aumenta la porosidad del material endurecido,
disminuye la densidad (Tabla 7) y disminuye la dureza superficial (Figura 14) (Hugon &
Serre, 1982). Por tanto, la hidratacin deber realizarse con la cantidad de agua ms
ajustada posible.
RAZN
AGUA-YESO
(cm/g)
45 : 100
60 : 100
80 : 100
80 : 100
80 : 100

DURACIN
DE AMASADO
(minutos)
1
1
1
2
3

TIEMPO DE FRAGUADO
EN LA AGUJA DE VICAT
(minutos)
3
7
10
7
5

Tabla 6. Influencia del agua de amasado y la duracin de amasado en el tiempo de


fraguado (Hugon & Serre, 1982)
AGUA DE AMASADO
A/Y
0,60
0,70
0,80
0,90
1,00
1,20

DENSIDAD
1,15
1,08
1
0,95
0,88
0,75

Tabla 7. Influencia del agua de amasado en la densidad (Hugon & Serre, 1982)

53

Estado del Arte

La cantidad de agua de amasado puede determinarse mediante tres sistemas segn la


norma UNE-EN 13279-2:
-

Mtodo de amasado a saturacin. Consiste en espolvorear yeso hasta llevar a


saturacin una cantidad determinada de agua.
Mtodo de la fluidez de la pasta. Se determina mediante la medida del
dimetro de escurrimiento de una pasta de yeso procedente de un cono de
Vicat.
Mtodo de la mesa de sacudidas. Se lleva a cabo midiendo el dimetro de una
pasta de yeso tras haber sido sometido a una serie de sacudidas en
condiciones predeterminadas.

El amasado en obra por medios manuales se suele hacer a saturacin o forzando un


poco la cantidad de agua (Villanueva & Garca, 2001).

Figura 14. Influencia del agua de amasado en la dureza. Imagen tomada de (Hugon &
Serre, 1982).

2.1.8 Caractersticas de los productos endurecidos de yeso o escayola

2.1.8.1 Porosidad y contenido en humedad del producto endurecido


El agua necesaria para la rehidratacin es muy inferior a la necesaria para el
amasado. Por este motivo se produce un exceso de agua que se evapora lentamente
durante el fraguado y el secado, dejando una microestructura porosa en el rehidrato.
Cuanto mayor es la cantidad de agua de amasado, mayor es la porosidad y menor la
densidad y la resistencia del producto fraguado (Figura 15) (Villanueva & Garca,
2001).

54

Estado del Arte

Figura 15. Relacin entre la densidad, el agua de amasado y la porosidad. Tomada de


(Villanueva & Garca, 2001).

Segn Villanueva & Garca la porosidad aumenta el aislamiento trmico del yeso
fraguado, ya que los poros de aire constituyen un impedimento a la transmisin de
calor. Esta propiedad favorece el acondicionamiento trmico en su uso como material
constructivo y contribuye en la resistencia al fuego.
El contenido en humedad corresponde a la cantidad de vapor de agua almacenada en
la red capilar de poros, expresada generalmente en % en peso sobre el peso seco.
Tambin se denomina agua libre (Villanueva & Garca, 2001).
2.1.8.2 Caractersticas mecnicas
Las resistencias mecnicas de los yesos dependen de varios factores: de su
naturaleza, de su finura, de su composicin, de la cantidad de agua de amasado y del
contenido en humedad en el momento de la rotura (Tabla 8).
A medida que avanza el proceso de fraguado aumenta la resistencia mecnica, hasta
un mximo que en condiciones de laboratorio se suele producir sobre los 15 das,
cuando puede considerarse que se ha llegado a la humedad de equilibrio (Villanueva
& Garca, 2001).
El contenido en humedad incide de forma decisiva en la resistencia del yeso, ya que el
vapor de agua libre situado en los poros acta como lubricante, posibilitando el
movimiento de los cristales bajo una carga determinada, disminuyendo su resistencia
(Villanueva & Garca, 2001).
Otro factor que afecta la resistencia del yeso es la porosidad del producto y por tanto
su densidad, que depende de la cantidad de agua de amasado utilizada (Figura 16)
(Villanueva & Garca, 2001).

55

Estado del Arte


Tipos de productos

Yeso grueso
Yeso fino
Yeso prefabricado
Escayola E30
Escayola E35
Escayola E35
Yeso de construccin
Yeso

A/Y de
amasado
0,8
0,8
0,8
0,8
0,8
0,73
0,6
0,38 (1)

Resistencia
Flexotraccin Compresin
N/mm2
N/mm2
2*
2,5*
3*
3*
3,5*
4,8
11,2
5,1
15,5
12,3
40,4

Dureza
N/mm2

19,1
25,9
92,0

* Valores mnimos segn UNE 102031


Valores tomados de (Wirsching, 2005)

(1)

Tabla 8. Valores mecnicos mnimos para diversos productos de yeso. Segn UNE
102031 (Villanueva & Garca, 2001).
La evolucin de la dureza y las resistencias, toma diferentes comportamientos segn
la naturaleza del yeso utilizado, con el ndice de mezcla agua/yeso. Son muy
diferentes, por ejemplo, para un semihidrato que para un semihidrato . La coccin
en seco expulsa rpidamente el agua de cristalizacin del yeso y los granos de
semihidrato obtenidos presentan una superficie muy irregular, que reclama una
cantidad importante de agua de amasado. El semihidrato , por el contrario, cocido en
va hmeda, pierde su agua ms lentamente. La superficie de sus granos tienden a
semejarse a las de un cristal perfecto, y absorbe menos agua (Nolhier, 1986).

Figura 16. Relacin entre la densidad, el agua de amasado y la porosidad. Tomada de


(Arredondo, 1980).
Esta desigualdad de la superficie especfica de los granos de las dos variedades de
semihidratos tiene por consecuencia una demanda diferente de agua de mezcla. Un
semihidrato , mezclado con un ndice agua/yeso del 65% presentar, por ejemplo,
una consistencia de pasta equivalente a la de un semihidrato , de la misma finura,

56

Estado del Arte


mezclado al 40%. Esto explica la superioridad mecnica de los semihidratos
(Nolhier, 1986).
Las caractersticas mecnicas de los yesos endurecidos cambian, igualmente, para
una misma variedad, con su textura cristalina. La forma de esta textura se deriva
naturalmente de factores internos, propias de las condiciones de hidratacin, y
tambin de factores externos, como efectos mecnicos, adicin de aditivos y
condiciones de conservacin una vez fraguado (Nolhier, 1986).
2.1.8.3 Dureza superficial
En la dureza superficial incide el tratamiento de la superficie de terminacin de los
productos, as como la forma de la terminacin o acabado superficial de los
revestimientos (Villanueva & Garca, 2001) (Tabla 9).
TIPO DE REVESTIMIENTO
Tradicional
Proyectado
Alta dureza

DUREZA SUPERFICIAL MNIMA (SHORE C)


45
65
80

Tabla 9. Valores de dureza superficial para revestimientos de yeso (Villanueva &


Garca, 2001)
La dureza de un yeso, es una funcin decreciente al ndice de mezcla agua/yeso
(Nolhier, 1986).
Algunos yesos endurecidos, conservados en agua lquida, reducen sensible y
definitivamente sus caractersticas mecnicas, en el curso de la inmersin, los
pequeos cristales de yeso se disuelven y recristalizan bajo formas de cristales de
tamao ms importante, lo que conduce a una reduccin de las caractersticas
mecnicas. Este fenmeno no se puede detectar siempre. En unas siete semanas de
conservacin bajo agua, se han constatado bajas que varan entre 0% y 40%. La
evolucin de este fenmeno depende del primer modo de cristalizacin (Nolhier,
1986).

2.1.9 Caractersticas tcnicas de yesos y escayolas


2.1.9.1 Resistencia al fuego
El yeso es un material incombustible y con bajo coeficiente de conductividad trmica,
lo que evita la propagacin del calor producido en el incendio (Villanueva & Garca,
2001).
Adems de estas dos propiedades (ser incombustible y poseer una baja conductividad
trmica), el yeso posee otras caractersticas que le confieren excelentes propiedades
de proteccin frente el fuego, segn Hugon & Serre (1982):
-

Una vez fraguado, el yeso posee dos molculas de agua por molcula de
materia, siendo alrededor del 20% de agua qumicamente unida (Nolhier,
1986). Para que se desprenda esta agua (esto ocurre en caso de incendio) se
requiere una aportacin de unas 170 kilocaloras por kg de yeso. Despus,
para la evaporacin del agua combinada, se requieren unas 130 kilocaloras
para los 200 gramos de agua contenida por kg de yeso. Mientras el agua no
est evaporada, la temperatura de la masa del yeso queda por debajo de los

57

Estado del Arte


140C. Bajo el efecto de una fuente calor, el yeso absorbe en total cerca de
300 kcal por kg de material. Este comportamiento al fuego es uno de los
mejores entre los de los materiales de construccin (Nolhier, 1986).
Despus de su deshidratacin el yeso sigue formando una capa que asegura al
elemento constructivo que reviste, un notable aislamiento trmico, debido a su
bajo coeficiente de conductividad.
Por ltimo, bajo la accin del fuego no produce ningn gas o vapor txico,
corrosivo o asfixiante, ni humos ni otro producto de combustin susceptible de
activarla.

As pues, si la temperatura a la que est sometido un elemento de yeso fraguado se


eleva suficientemente y se mantiene alta durante un determinado perodo, el agua de
cristalizacin del yeso se elimina absorbiendo calor. Esta deshidratacin del yeso
comienza en la superficie expuesta y contina gradualmente hacia el interior. En este
proceso el yeso absorbe gran cantidad de calor, produciendo vapor de agua y, por
tanto, enfriando localmente el fuego (Villanueva & Garca, 2001).
A continuacin se analizarn las normas aplicables. En el apartado V de la
introduccin del CTE DB-SI sobre las condiciones de comportamiento ante el fuego de
los productos de construccin y de los elementos constructivos se establecen las
condiciones de reaccin al fuego y de resistencia al fuego de los elementos
constructivos conforme a las nuevas clasificaciones europeas establecidas mediante el
Real Decreto 312/2005, de 18 de marzo y a las normas de ensayo y clasificacin que
all se indican.
El Real Decreto 312/2005 clasifica los productos de la construccin y los elementos
constructivos en funcin de sus propiedades de reaccin y de resistencia al fuego, que
se concreta en la norma UNE EN 13501-1: 2002 Clasificacin de la reaccin al fuego
de los materiales de construccin (Tabla 10).
Clasificacin

Definicin

A1

No combustible. Sin
contribucin en grado mximo
al fuego
No combustible. Sin
contribucin en grado menor
al fuego
Combustible. Contribucin
muy limitada al fuego
Combustible. Contribucin
limitada al fuego
Combustible. Contribucin
media al fuego
Combustible. Contribucin alta
al fuego
Sin clasificar. Sin
determinacin de propiedades

A2

B
C
D
E
F

Clasificaciones adicionales de carcter


obligatorio en la mayora de clases
Opacidad de
Cada de gotas
los humos
o partculas
s (smoke)
inflamadas
d (drop)

S1: baja

d0: nula

S2: media

d1: media

S3: alta

d2: alta

Tabla 10. Clasificacin de los materiales de construccin segn su reaccin al fuego


segn RD 312/2005 y UNE 13501-1:2002

58

Estado del Arte

Esta clasificacin se determina de la siguiente manera:


A1
A2
B
C
D
E
F

tf = 0 (sin llama sostenida)


tf 20 seg.
FS 150 mm. en 60 seg. THR600 7,5 MJ
FS 150 mm. en 60 seg. THR600 15 MJ
FS 150 mm. en 60 seg. FIGRA 750 w.s-1
FS 150 mm. en 20 seg.
sin determinacin de propiedades

Donde:
tf: duracin de la llama.
FS: propagacin de las llamas
THR600: emisin total de calor
FIGRA: velocidad de propagacin del fuego
Adems, los materiales deben clasificarse por la opacidad de los humos "s" (smoke)
que incorpora conceptos de velocidad de propagacin y produccin total de humos.
Esta clasificacin se determina de la siguiente manera:
SMOGRA 30 m2.s-2 y TSP6005 50 m2
SMOGRA 180 m2.s-2 y TSP6005 200 m2
Si S1 ni S2

S1:
S2:
S3:

Donde:
SMOGRA: velocidad de propagacin del humo
TSP6005: produccin total de humo
En cuanto al comportamiento del yeso ante el fuego, el yeso y las pastas de yeso son
considerados como material de la clase A1 segn el cuadro 1.2-1 del Anexo I del Real
Decreto 312/2005. Los materiales de la clase A1 no requieren clasificaciones
adicionales.
Los revestimientos de yeso son adecuados para fabricar elementos constructivos
retardadores del fuego (REI30 o EI30, REI60 o EI60), resistentes al fuego (REI90 o
EI90, REI120 o EI120) y altamente resistentes al fuego (REI180 o EI180) (Villanueva &
Garca, 2001).
Espesor e de la fbrica en mm
Con ladrillo macizo
Con ladrillo hueco
o perforado

Tipo de revestimiento

Sin revestir
Enfoscado

Guarnecido
(1)

40e<80

80e<110

e110

(1)

(1)

(1)

(1)

Por la cara expuesta


Por las dos caras
Por la cara expuesta

EI-30
EI-60

EI-60
EI-90
EI-120

Por las dos caras

EI-90

EI-180

EI-90
EI-120
EI-180

110e<200
REI-120
EI-180
REI-180
EI-240

e200
REI-240
REI-240
REI-240
REI-240

EI-240

EI-240

REI-240

Con bloques de
arcilla aligerada
140e<240

e240

(1)

(1)

EI-180
REI-180
EI-240
EI-240
RE-240
REI-180

EI-240
REI-240
EI-240
REI-240

No es usual

Tabla 11. Resistencia al fuego de muros y tabiques de fbrica de ladrillo cermico o


slico-calcreo segn Tabla F.1. del Anejo F del documento DB-SI del CTE.
En el Anejo F del documento DB-SI del CTE (febrero 2010) (RD 314/2006) se
establecen los tiempos de resistencia al fuego que, sin necesidad de ensayo, pueden

59

Estado del Arte


otorgarse a algunos elementos constructivos (Tabla 11 y Tabla 12). Estas tablas son
aplicables solamente a muros y tabiques de una hoja, sin revestir y enfoscados con
mortero de cemento o guarnecidos con yeso, con espesores de 1,5 cm como mnimo.
En el caso de soluciones constructivas formadas por dos o ms hojas puede
adoptarse como valor de resistencia al fuego del conjunto la suma de los valores
correspondientes a cada hoja.
Tipo de
cmara
Simple

Doble

Tipo
de rido
Silceo

Tipo de
revestimiento
Sin revestir

Calizo

Sin revestir

Volcnico

Sin revestir

Arcilla expandida

Guarnecido por las dos caras


Guarnecido por la cara expuesta
(enfoscado por la cara exterior)
Sin revestir
Guarnecido por las dos caras

Espesor nominal
en mm
100
150
200
100
150
200
120
200
90
120
200
150
150

Resistencia al fuego
EI-15
REI-60
REI-120
EI-60
REI-90
REI-180
EI-120
REI-180
EI-180
EI-180
REI-240
EI-180
RE-240 / REI-80

Tabla 12. Resistencia al fuego de muros y tabiques de fbrica de bloques de hormign


segn Tabla F.2. del Anejo F del documento DB-SI del CTE.
En estas tablas se observa la influencia de los guarnecidos de yeso en el aumento del
tiempo de resistencia al fuego.
2.1.9.2 Aislamiento trmico
El yeso es uno de los materiales de construccin con mejores propiedades de
aislamiento trmico (Hugon & Serre, 1982)
La transmisin de calor de un cuerpo ms caliente a otro ms fro puede realizarse
mediante tres mecanismos: por conduccin, por conveccin o por radiacin.
La conductividad trmica del yeso depende de la densidad y humedad de los
revestimientos (Villanueva & Garca, 2001). El coeficiente de conductividad trmica ()
aumenta con la densidad del yeso y con el contenido en agua (Nolhier, 1986).
En productos ligeros de yeso celular se alcanzan tan bajos coeficientes de
conductividad que suponen un extraordinario poder de aislamiento trmico, mientras
que en yesos ms densos se obtienen valores que lo sitan en buena posicin con
respecto a otros materiales (Villanueva & Garca, 2001).
Tambin es modificado, en mayor o menor medida, por la naturaleza ms o menos
aislante del aditivo que se le ha introducido (Nolhier, 1986). En rgimen permanente, el
flujo de calor que se transmite por conduccin dentro un material es proporcional al
coeficiente de conductividad trmica (), y a la diferencia de temperatura entre las dos
caras del material, y es inversamente proporcional al grosor cruzado (Nolhier, 1986).
En elementos constructivos expuestos al viento, la transmisin de calor (coeficiente de
transmisin de calor por conveccin) depende directamente de la friccin del elemento
(coeficiente de friccin) y de la velocidad del viento. Por tanto, cuanto ms lisa sea la
superficie, menor ser la friccin y mayor ser el aislamiento trmico. El yeso alisado
tiene un coeficiente de friccin pequeo, superado solamente por el vidrio (Villanueva
& Garca, 2001).

60

Estado del Arte

El coeficiente de transmisin por radiacin depende directamente de la emisividad,


siendo mayor cuando mayor sea sta. El yeso tiene una alta emisividad
(aproximadamente del 90%), pero el efecto en el aislamiento trmico es poco
desfavorable, ya que el yeso tiene una baja absorbencia. Cuanto ms blanca y
brillante sea su superficie, menor coeficiente de absorcin tendr (entre un 20% y un
10% de la energa recibida). (Villanueva & Garca, 2001).
Por otra parte, la elevada emisividad del yeso lo hace muy apto para su utilizacin en
paneles radiantes, ya que emite aproximadamente el 90% del calor recibido
(Villanueva & Garca, 2001).
En el Documento Bsico HE (Ahorro de energa) del CTE de 27 diciembre de 2010
(RD 314/2006) se establecen una serie de requisitos para que en los edificios se
consiga un uso racional de energa necesaria para su utilizacin, reduciendo a lmites
sostenibles su consumo. Uno de los requisitos es la limitacin de la demanda
energtica. Para ello, los edificios dispondrn de una envolvente de caractersticas
tales que limite adecuadamente la demanda energtica necesaria para alcanzar el
bienestar trmico en funcin del clima de la localidad, del uso del edificio y del rgimen
de verano y de invierno, as como por sus caractersticas de aislamiento e inercia,
permeabilidad al aire y exposicin a la radiacin solar.
Para calcular los parmetros caractersticos de los cerramientos y particiones
interiores que forman la envolvente trmica es necesario conocer las propiedades
higromtricas de los materiales que la componen. Los valores de diseo de estas
propiedades se obtendrn de valores declarados para cada producto, segn marcado
CE, o de documentos reconocidos para cada tipo de producto. Estos valores son
distintos de los contenidos en la NBE CT-79 (RD 2429/1979) Condiciones trmicas de
los edificios, ya que con la aplicacin del CTE varan las condiciones de ensayo.
Se pueden tomar como valores vlidos para la justificacin del cumplimiento del CTE
los que se incluyen en la base de datos del programa LIDER (programa informtico de
referencia del Documento Bsico HE-1) (Tabla 13).
Materiales

Enlucido de yeso
Enlucido de yeso aislante
Placa de yeso o escayola
Placa de yeso laminado (PYL)
Placas de yeso armado con fibras minerales
Hormign con ridos ligeros
Mortero de cemento o cal para albailera y para
revoco/enlucido

Densidad
(kg/m3)
1000<d<1300
d<1000
600<d<900
500<d<600
750<d<900
750<d<900
800<d<1000
1600<d<1800
1250<d<1450
1000<d<1250
750<d<1000
500<d<750

Coef. Conductividad
trmica
(W/mK)
0,570
0,400
0,300
0,180
0,250
0,250
0,250
1,150
0,800
0,550
0,400
0,300

Tabla 13. Valores de coeficientes de conductividad trmica de distintos materiales en


funcin de su densidad segn Base de datos del LIDER (versin 1.0).

61

Estado del Arte


2.1.9.3 Inercia trmica
La inercia trmica es la capacidad que tiene la masa de conservar la energa trmica
recibida e ir liberndola progresivamente, disminuyendo de esta forma la necesidad de
aportacin de climatizacin.
Depende de la difusividad de los materiales en relacin con el acondicionamiento
higrotrmico, de la velocidad de enfriamiento de los paramentos (directamente
proporcional a su calor especfico e inversamente proporcional al coeficiente de
transmisin trmica total del paramento) y de la velocidad de propagacin de la onda
trmica (proporcional a la difusividad del material y al factor de amortiguamiento).
El yeso tiene una elevada inercia trmica como material de construccin, en cambio,
algunos prefabricados se caracterizan por presentar una baja inercia trmica.
2.1.9.4 Confort trmico superficial
El confort superficial se entiende como la sensacin trmica percibida al tocar la
superficie de un material, con independencia de la que realmente posee.
Depende del coeficiente de penetracin trmica del material que, a su vez, depende
directamente del coeficiente de conductividad trmica, del calor especfico y de la
densidad del material (Villanueva & Garca, 2001) (Tabla 14).
Cuanto menor sea el coeficiente de penetracin trmica, ms confortable ser el tacto
de su superficie. Se puede considerar que el yeso presenta un buen confort superficial,
ya que tiene un bajo coeficiente de penetracin trmica, comparativamente con otros
materiales.
Material
Corcho
Madera
Hormign celular
Yeso (200 kg/m)
Yeso (1.000 kg/m)

Coeficiente de penetracin trmica


(KCAL/H1/2.M.C)
2,66 4,10
8,20 12,09
10,25 26,65
2,25
9,82

Tabla 14. Valores de coeficientes de penetracin trmica de distintos materiales (del


Ro, 2002)
2.1.9.5 Acondicionamiento acstico
El aislamiento al ruido areo consiste en la oposicin que los elementos constructivos
hacen a la transmisin del sonido que se propaga por el aire. (Villanueva & Garca,
2001). En este sentido, el yeso ofrece una solucin que asegura la continuidad de los
muros y de los tabiques, evitando los puentes acsticos (Hugon & Serre, 1982).
No obstante, el yeso obedece a las leyes generales de la acstica. Desde el punto de
vista terico, la transmisin directa de la energa sonora por las paredes viene regida
por la ley de masas y la ley de frecuencia. Segn estas leyes, el aislamiento de una
pared homognea es funcin de su propio peso y de la frecuencia del sonido (Hugon &
Serre, 1982) (Tabla 15).

62

Estado del Arte


Siguiendo la ley de Berger, para una frecuencia dada, el ndice de debilitacin acstica
crece proporcionalmente al logaritmo de la masa por m2 de pared (Hugon & Serre,
1982).
Sin embargo, en la prctica se observa que el yeso tiene una frecuencia de resonancia
dentro del campo de frecuencias audibles. De forma que la incidencia oblicua de las
ondas sonoras sobre un paramento produce un efecto de resonancia del material que
disminuye su aislamiento (Villanueva & Garca, 2001).
Material
Hormign
Cemento
Yeso
Madera
Ladrillo
Corcho

Coeficiente medio de absorcin acstica


0,015
0,020
0,020
0,030 0,100
0,032
0,160

Tabla 15. Valores de coeficientes de absorcin acstica de distintos materiales (del


Ro, 2002)
En cuanto al coeficiente de absorcin acstica, las superficies lisas de yeso presentan
un valor muy bajo, pero se puede mejorar, debido a su facilidad de moldeo, con la
realizacin de paneles que incorporen materiales absorbentes (Hugon & Serre, 1982).
Los tabiques delgados de yeso (de 5 cm a 10 cm) disponen de prestaciones fonticas
que se colocan, a causa de su gran rigidez, por debajo de las que debera conferirle su
masa. Estos tabiques presentan, sin embargo, a grosores iguales, caractersticas
fonticas comparables a otros tabiques delgados de ladrillos (Nolhier, 1986).
Las paredes de ms espesor realizadas con materiales a base de yeso, se colocan,
desde el punto de vista fontico y por comparacin con otros materiales, segn la ley
de la masa: cuanto ms pesado sea el metro cuadrado, mejor es su aislamiento
fontico (Nolhier, 1986).
As mismo, es fcil realizar con componentes industriales de yeso (del tipo placa
delgada de cartn) tabiques ligeros de doble pared no unidas, que afecten el
aislamiento fontico muy por encima a las que se daran con el efecto de la ley de
masas (Nolhier, 1986).
Elemento constructivo
Entre recinto protegido y cualquier otro recinto de otra unidad de uso
Entre un recinto protegido y un recinto comn del edificio
Entre un recinto protegido y recinto de instalaciones o de actividad
Entre un recinto habitable y un recinto comn del edificio
Entre un recinto habitable y recinto de instalaciones o de actividad
Tabiquera
Medianera entre recintos protegidos y/o habitables (cada uno de los
cerramientos)
Ruido exterior (en funcin del tipo de ruido que predomine, el Ld y el tipo de
edificio)

Nivel exigido
(dBA)
>50
>50
>55
>45
>45
>33
>40
>30-47

Tabla 16. Exigencias del CTE al ruido areo entre recintos colindantes horizontal o
verticalmente segn DB HR del CTE

63

Estado del Arte


En el captulo 3.1 del Documento Bsico HR de Proteccin frente al ruido del Cdigo
Tcnico de la Edificacin (septiembre 2009) se establecen las exigencias frente al
ruido areo entre recintos colindantes (Tabla 16).
En la Tabla 17 se presentan valores de aislamiento de algunas soluciones
constructivas segn el Catlogo de elementos constructivos del CTE.
Tipo de particin

Espesor
(cm)

Masa
Aislamiento
Acstica
acstico R
(kg/m2)
(dBA)
Tabique de ladrillo hueco doble (*)
7
89
37
Placa de yeso o escayola
10
100
38
Bloques de hormign (*)
8
128
40
(*) Guarnecido con yeso en ambas caras, de 1,5 cm de espesor cada una.

Tabla 17. Valores de aislamiento acstico de algunas soluciones constructivas segn


el Catlogo de elementos constructivos del CTE (Ministerio de Fomento, 2011)
2.1.9.6 Regulacin de la humedad (regulacin higrotrmica)
Desde el punto de vista de la regulacin higrotrmica interesa evitar la condensacin
superficial y la humectacin de los paramentos por condensacin en masa, adems de
mantener un nivel adecuado de humedad relativa en el interior de los locales. En este
sentido, el yeso, debido a su microestructura porosa, es capaz de almacenar
molculas de vapor de agua en su masa cuando el vapor se presenta en exceso en el
ambiente, y de cederlas al ambiente cuando este es ms seco. De esta forma se
consigue un nivel de humedad equilibrado (Villanueva & Garca, 2001).
As, por ejemplo, una obra de yeso ejecutada con un 80% de agua de amasado, en
una atmsfera mantenida a 20C y 65% de humedad relativa, pierde la totalidad de su
agua no combinada en menos de 30 das. Este efecto se produce para cualquier
humedad relativa del ambiente (Hugon & Serre, 1982).
Segn ensayos de laboratorio, resulta que el yeso desecado, mantenido en un medio
isotrmico pero en ambiente saturado, absorbe, en un tiempo comparable al de
desecacin, una humedad aproximada del 0,8% (Hugon & Serre, 1982).

2.1.10 Proceso de fabricacin industrial de yeso para construccin


2.1.10.1 Introduccin
A partir del mineral de yeso, mediante calcinacin, puede obtenerse como producto
yeso en polvo (semihidrato o anhidrita) y productos prefabricados (placas de yeso y
escayola, paneles), mediante diferentes procesos de fabricacin (Figura 17 y Figura
18). El presente estudio se centra en la fabricacin de productos en polvo para
construccin (y, ms adelante, concretamente en la fabricacin de anhidrita II).
Adems de los tipos de yeso obtenidos por calcinacin de la piedra de yeso natural,
existe un tipo de yeso de origen artificial, denominado yeso qumico o sinttico, que se
obtiene como subproducto de diversos procesos industriales (ej. sulfoyeso, boroyeso,
fosfoyeso, etc.).
Los yesos obtenidos a partir del aljez y los artificiales no presentan las mismas
propiedades (Wirsching, 2005).

64

Estado del Arte

CANTERA

MOLIENDA

CALCINACIN

MEZCLA

ENSACADO

PALETIZADO

Figura 17. Fases de proceso en una planta de fabricacin de yeso en polvo.

Figura 18. Esquema del proceso para la fabricacin de productos en base yeso
(Universidad de Alicante, 2002)

2.1.10.2 Extraccin
El yeso se extrae mediante dos mtodos: a cielo abierto y mediante minera
subterrnea. En Espaa el mtodo de explotacin utilizado es mayoritariamente el de
cielo abierto (Figura 19 y Figura 20). No obstante, en algunos lugares de Europa
existen explotaciones de minera subterrnea (Cerulla, 1997).

65

Estado del Arte

Figura 19. Cantera de yeso en Beuda (Girona)

Para la explotacin se definen una serie de parmetros de diseo con el objetivo de


alcanzar las producciones programadas de la forma ms econmica posible, en las
mejores condiciones de seguridad.

Figura 20. Tecnologa utilizada en una explotacin a cielo abierto (Cerulla, 1997)
Para la perforacin se utilizan perforadoras neumticas o hidrulicas equipadas con
martillo en fondo o en cabeza. El dimetro de perforacin habitual se encuentra entre
64 y 105 mm (Cerulla, 1997).

66

Estado del Arte

Figura 21. Fotografa perforadora trabajando en Llinars del Valls (Barcelona)


El mtodo consiste en la perforacin de una serie de barrenos de dimetro variable
formando una cuadrcula, que se cargan con explosivo y se inician con cordn
detonante y detonadores (Figura 21). La cuadrcula de perforacin depende
directamente del dimetro de perforacin y de la dureza del mineral (Cerulla, 1997).
En el fondo de los barrenos se carga una pequea cantidad de un explosivo potente y
rompedor (Goma 2 EC o Riogel 2) que favorece el arranque en el pie del banco. El
resto del barreno se llena con un explosivo de potencia media y una alta produccin de
gases (Nagolita), que se carga a granel en sacos o con un vehculo cargador; este
explosivo efecta el arranque y la fragmentacin del material, as como el
desplazamiento del mismo. Entre ambos explosivos se consigue un efecto doble de
arranque y rotura (Cerulla, 1997).
La cantidad de explosivo en relacin a la cantidad de material arrancado se denomina
consumo especfico y vara en funcin de diversos aspectos de la voladura (tipo de
material, geometra de la voladura, fragmentacin y resultados deseados) y suele ser
de unos 300 g/m3 (Cerulla, 1997).
El yeso extrado en las explotaciones a cielo abierto se carga mediante palas
cargadoras de ruedas y retroexcavadoras. Estas palas cargan el material sobre
distintos tipos de vehculos, como Dumpers o camiones volquete (Cerulla, 1997).
Segn la capacidad mxima de produccin y la distancia a la planta de machaqueo
(que puede encontrarse en la misma cantera, en la planta de fabricacin o a distancias
variables de las canteras) se determina el nmero y dimensin de vehculos
necesarios (Cerulla, 1997).
En Espaa existe legislacin (Real Decreto Ley 1302/1986, de 28 de junio, de
Evaluacin de Impacto Ambiental y Real Decreto 1131/1988, de 30 de septiembre, por
el que se aprueba el Reglamento de Evaluacin de Impacto Ambiental) que obliga a la
elaboracin de un plan de restauracin de la superficie afectada por las actividades
mineras, con el fin de asegurar la utilizacin racional de los recursos naturales y
mantener y mejorar la calidad de vida.

67

Estado del Arte

Figura 22. Vehculos trabajando en una cantera


2.1.10.3 Trituracin Primaria
La trituracin primaria consiste en reducir el tamao del material procedente de la
cantera hasta un tamao adecuado para fabricacin.
En la planta de trituracin (Figura 23), el material se descarga en la tolva de recepcin,
que posee un alimentador en su fondo (vibrante, de cadenas, etc.) que dirige el
material hacia la machacadora, previo cribado, mediante separador de discos o barras,
eliminando parte de las tierras y fracciones pequeas de mineral, que son recuperadas
mediante una criba que separa el material fino del material grueso (Cerulla, 1997).
La fraccin ms gruesa cae a la machacadora o molino que lo moltura, depositndolo
en una cinta transportadora, que lo vierte a una criba provista de un nmero
determinado de telas, que clasifica los tamaos adecuados para fabricacin (250-55
mm), suministro a cementeras (7-55 mm) y finos para agricultura (0-7 mm).

Cinta n
3
5
6
7

Anchura (mm)
1.000
800
600
400

NLonas
4
3
3
3

Tipo
Lisa
Lisa
Nervada
Lisa

Figura 23. Flujograma general de la planta de trituracin. 1) alimentador, 2)


machacadora de mandbulas, 3), 5), 6) y 7) cintas transportadoras, 4) criba. (Cerulla,
1997)

68

Estado del Arte

Figura 24. Molinos de barras y bolas (Lynch, 1977).


La trituracin primaria se lleva a cabo normalmente mediante machacadoras de
mandbulas o trituradoras de cono (giratorias) (Lynch, 1977) (Figura 24).

Machacadora de mandbulas. Estas trituradoras reducen las rocas grandes


rompindolas por compresin. Constan de dos planchas o mandbulas,
colocadas una frente a otra, en forma de V, de las cuales una es fija y la otra
es mvil. La mandbula mvil ejerce la fuerza en la roca forzndola contra la
placa inmvil, que la rompe. El mineral triturado cae por la abertura que forman
las mandbulas en la parte inferior. La roca permanece en las mandbulas hasta
que es bastante pequea parar pasar por esta abertura inferior (Gomis, 2007).

Trituradoras de cono. La trituracin es causada por el cierre del hueco entre la


lnea de la pieza mvil montada en el huso vertical central y las lneas
cncavas fijas del marco principal de la trituradora. El hueco es abierto y
cerrado por una excntrica situada en la parte inferior del huso (Gomis, 2007).

69

Estado del Arte


2.1.10.4 Almacenamiento
El material triturado destinado a fabricacin se transporta en camiones hasta la planta,
donde se deposita en stock o se vierte directamente a las tolvas de alimentacin de la
planta de fabricacin (Cerulla, 1997).
En el caso de realizarse la trituracin primaria en la planta de fabricacin, el mineral
triturado se conduce mediante cintas transportadoras, elevadores de cangilones, etc.
hacia los silos o la zona de stock.
2.1.10.5 Trituracin secundaria
La trituracin secundaria se realiza con el fin de obtener la granulometra adecuada
para su calcinacin (entre 0 y 10-12 mm de dimetro) (Cerulla, 1997).
Se emplean molinos de rodillos, donde el material es forzado a pasar entre una placa y
un rodillo o entre dos rodillos que giran reduciendo el tamao de partcula (Gomis,
2007).
Para obtener tamaos de partculas ms pequeos se utilizan molinos de martillo, en
los que el material se machaca mediante martillos que giran a gran velocidad. El
material es forzado contra una placa slida rugosa que disminuye el tamao de las
partculas. Finalmente, el material es forzado contra una rejilla de descarga, donde las
partculas ms finas caen a travs de la rejilla y las ms grandes viajan alrededor para
otro ciclo machacante (Gomis, 2007).
2.1.10.6 Calcinacin
La calcinacin consiste en el proceso de deshidratacin y cambio de fase para
conseguir semihidrato, anhidrita, etc. Segn el tipo de producto que se quiera obtener
se utiliza un tipo de horno distinto (Gomis, 2007).
Los sistemas de coccin se dividen en dos grandes grupos: de fuego directo o de
fuego indirecto, segn si los gases de combustin entran en contacto con la materia
prima o no.
Industrialmente los ms utilizados, segn Rivero (1997) son los siguientes:

Marmita horizontal tipo beau francs (en continuo o discontinuo) de fuego


indirecto (Figura 25). El consumo energtico de este tipo de hornos es elevado,
ya que el tiempo de coccin es ms largo (30-45 a 150C) que en hornos
rotatorios. Sin embargo, la calidad final del yeso es mejor (semihidrato )
debido, entre otras causas, a la presencia de vapor de agua durante la coccin,
por lo que se forma 10-20% de semihidrato .
Segn Nolhier (1986) el rendimiento trmico de este tipo de horno es medio, no
siendo insalvable considerando las bajas temperaturas aplicadas. Sin embargo,
es interesante recuperar el mximo de caloras, instalando un intercambiador
de calor que enfre los gases calientes a la salida del horno y que precaliente el
aire frio que alimenta los quemadores.

70

Estado del Arte

Figura 25. Marmita horizontal tipo (Rivero, 1997).

Marmita cnica vertical tipo inglesa en continuo de fuego indirecto (Figura 26).
Dispone de cmara de combustin sumergida con elevado rendimiento
energtico (superior al 80%). La temperatura de coccin es de 150C y la
capacidad final de 25 Tm/h de semihidrato.
Segn Nolhier (1986) el coste de inversin de este tipo de horno es
relativamente bajo, as como los costes de mantenimiento. Sin embargo es
necesario disponer de dispositivos de tratamiento de polvos evolucionados.

Figura 26. Marmita cnica vertical (Rivero, 1997).

71

Estado del Arte

Horno rotatorio horizontal de fuego directo o indirecto (tipo continuo de tubos


mltiples a contracorriente o discontinuo) (Figura 27 y Figura 28). Permite
fabricar semihidrato a 170C, con una capacidad de 20-30 Tm/h y anhidrita a
500C, con una capacidad de 10-12 Tm/h.
El cilindro esta equipado en su interior de dispositivos, espirales, travesaos o
cadenas, que aseguran la distribucin del material sobre el conjunto de la
seccin y garantizan una coccin intensiva y regular, favoreciendo los
intercambios trmicos entre el gas y el material (Nolhier, 1986).
Normalmente, en un mismo horno rotativo de fuego directo se producen
semihidrato , Anhidrita III y Anhidrita II. Usualmente se extraen del horno en
diferentes puntos la AnIII y la AnII en funcin de la temperatura de calcinacin y
luego se mezclan (aproximadamente 2/3 de AnIII con 1/3 de AnII). En el silo de
reposo, despus de la calcinacin, la AnIII se transforma en SH, al descender
la temperatura (Villanueva & Garca, 2001).

Horno vertical, de molienda y calcinacin en continuo tipo Claudius-Peters, de


fuego directo (a gas natural). Este horno se caracteriza por la rapidez del
proceso de obtencin del semihidrato , la coccin se realiza en menos de un
minuto (Nolhier, 1986), y la buena calidad del producto, muy reactivo, especial
para la fabricacin de prefabricados tipo placa de yeso o PLADUR. La
temperatura de coccin es de unos 160C y la capacidad de 35 Tm/h. Los
gases, llevados a ms de 500 C, son insuflados a travs del molino y arrastra
las partculas finas (Nolhier, 1986).

Figura 27. Horno rotatorio horizontal a contracorriente (Rivero, 1997).

72

Estado del Arte

Figura 28. Horno vertical, de molienda y calcinacin en continuo (Rivero, 1997).

Horno vertical para calcinacin Flash, de fuego directo, tipo Claudius-Peters


(Figura 29). Realiza una coccin instantnea a 700 C de mineral de yeso muy
fino (inferior a 200 m), muy til para los sulfoyesos o yesos sintticos. Se
obtiene un producto muy reactivo, fundamentalmente anhidrita III. Su
capacidad es de 10-20 Tm/h.
El yeso es separado del gas por procedimientos clsicos, ciclones y
separadores de polvo. Una parte del gas es reciclado dentro el horno (Nolhier,
1986).
La inversin, esencialmente compuesta de dispositivos de fumistera, es
relativamente econmica en comparacin de los materiales mecnicos
(Nolhier, 1986).

Figura 29. Horno vertical para calcinacin Flash (Rivero, 1997).

73

Estado del Arte

Horno parrilla tipo KNAUF, de fuego directo (Figura 30), para la fabricacin de
anhidrita y yesos multifsicos (yeso sobrecocido 300-900 C). El yeso debe
prepararse segn 3-4 granulometras diferentes (4-11/11-25/25-40/40-60 mm),
la parrilla caliente (270C) se mueve a 20 m/h, los gases calientes circulan por
el mineral tenindose una temperatura de 700C en la capa superior y de
300C en la capa inferior. El mineral no se mezcla durante la calcinacin,
producindose muy poco polvo y obteniendo una eficiencia trmica muy
elevada. La capacidad puede llegar a 2 mill. Tm/ao.
Este tipo de horno est destinado a producir una mezcla de semihidratos, de
anhidrita soluble y de sobrecocido. Permite obtener un producto constante y
homogneo, del que la calidad puede controlarse actuando sobre la
temperatura del gas y sobre las clases de granulometras de los granos. Su
delicado reglaje provoca una utilizacin poco corriente (Nolhier, 1986).

Figura 30. Horno de parrilla mvil (Rivero, 1997).

Otro tipo de horno utilizado industrialmente son las autoclaves (Figura 31), con los que
se fabrica el yeso alfa, constituido prcticamente en su totalidad por semihidrato, para
aplicaciones especiales. Se trata de grandes ollas a presin. Ellas pueden ser
verticales u horizontales. Las caloras son aportadas o bien directamente por el vapor
inyectado al interior del recinto, o bien des de el exterior, y a veces se combinan los
dos procedimientos. Estas autoclaves funcionan de forma continua (Nolhier, 1986).

Figura 31. Autoclave vertical (Nolhier, 1986).

74

Estado del Arte


2.1.10.7 Molienda/afino
Los yesos de construccin requieren generalmente del proceso de molienda posterior
al proceso de calcinacin, con el fin de obtener la granulometra requerida, entre 0 y
1,5 mm. Para ello se utilizan molinos de martillo, a velocidad media de 900-1200 rpm,
en circuito cerrado con el cribado para garantizar su granulometra final (Gomis, 2007).
Las escayolas necesitan tener una granulometra de entre 0 y 200 micras. Para
conseguirla se utilizan molinos de espigas/pitones a gran velocidad (2000-3000 rpm) y
separadores centrfugos (Gomis, 2007).
En ocasiones el yeso grueso no requiere este refinado (Villanueva & Garca, 2001).
2.1.10.8 Mezcla y aditivado
Este proceso consiste en la dosificacin gravimtrica de los componentes mayoritarios
(SH, An) y los componentes minoritarios (aditivos) hacia las mezcladoras (Gomis,
2007).
Las mezcladoras pueden ser continuas o discontinuas. Estas ltimas suelen disponer
de un mejor control, automatizado (Gomis, 2007).
2.1.10.9 Envasado/carga
Una vez los productos han sido mezclados son conducidos a silos para su posterior
envasado y paletizado, o bien a su distribucin a granel.

75

Estado del Arte


2.2

AUTOMATIZACIN INDUSTRIAL. SISTEMAS DE CONTROL

En esta seccin se introducirn los aspectos bsicos que rigen los sistemas
automticos de control. En la actualidad, estos sistemas de control se usan en
prcticamente todas las aplicaciones industriales modernas. En la industria actual
existe la necesidad de controlar las magnitudes fsicas, conociendo su valor y actuar
en consecuencia. Para controlar un sistema es clave saber lo que se desea que haga
el sistema y controlar como lo est haciendo el mismo. Hay muchas formas de
controlar los sistemas automticos, por ejemplo, un termostato regula el sistema que
hace que suba o baje la temperatura hasta un valor que se ha prestablecido. La forma
de decirle al sistema que haga eso es actuando sobre el termostato. Una vez que se
tenga la informacin de lo bien que est funcionando el sistema, se deber hacer algo
con esa informacin. El problema que el diseador se enfrenta en los sistemas de
control consiste en determinar cmo usar la informacin disponible para desarrollar y
aplicar una seal de control que har que el sistema haga lo que el diseador pretende
que haga.
La ingeniera de Control est basada en los fundamentos de teora de realimentacin y
el anlisis de sistema lineal, e integra los conceptos de teora de la red y teora de
comunicacin. Por lo tanto, la ingeniera de control no est limitada a ninguna
disciplina de la ingeniera pero es equitativamente aplicable a ingeniera aeronutica,
qumica, mecnica, ambiental, civil y elctrica. Por ejemplo, un sistema de control
incluye a menudo componentes elctricos, mecnicos y qumicos. Adems, cuando el
conocimiento de la dinmica de sistemas aumenta, la habilidad para controlar estos
sistemas tambin aumentar (Dorf y Bishop, 1998).

2.2.1 Sistemas de control


Un sistema de control es un dispositivo o conjunto de dispositivos para la gestin y
mando para regular el funcionamiento de otros dispositivos. Bsicamente hay dos
tipos de sistemas de control, con mltiples variaciones: los lgicos o secuenciales y los
controles lineales o de retroalimentacin. Existen a la vez, los sistemas que usan la
lgica borrosa, que combina y aprovecha las ventajas de los diseos lgicos con el
control lineal.
Los sistemas de control se pueden representar mediante diagramas de bloques, que
representan una simplificacin visual de las relaciones entre la entrada y la salida del
sistema.

2.2.2 Sistemas de lazo abierto


Son los sistemas en que la seal de salida no influye sobre la seal de entrada. La
exactitud de este tipo de sistemas depende la calibracin de la relacin entre entrada y
salida. El transductor modifica la naturaleza de la seal de entrada al sistema de
control (Dorf y Bishop, 1998).
Entrada

Salida
TRANSDUCTOR

ACTUADOR

PROCESO

Figura 32. Esquema sistema de lazo abierto

76

Estado del Arte


Un ejemplo de lazo abierto seria un sistema de calefaccin sin termostato. En la Figura
32 se pueden comprobar los elementos que constituiran el sistema.

T Ideal

T Real

DIAL TIEMPO
FUNCIONAMIE
NTO

CALDERA

HABITACIN

Figura 33. Ejemplo de Sistema de lazo abierto


Los sistemas de lazo abierto dependen de la variable tiempo y la salida variable no
depende de la variable de entrada. Estos sistemas, como se puede ver, no tienen
realimentacin (Figura 33). Uno de los inconvenientes de estos sistemas es que son
muy sensibles a las perturbaciones.

2.2.3 Sistemas de lazo cerrado


En contraste con un sistema de control abierto, un sistema de lazo cerrado utiliza una
lectura de la salida para comparar esta salida actual con la salida deseada. La accin
de control, en cierto modo, depende de la salida, y sta influye en la entrada. Esta
relacin se consigue mediante la realimentacin o feedback. La accin de control se
establece como una funcin entre la entrada y la salida. El concepto de realimentacin
ha sido la base para el anlisis de los sistemas de control y su diseo.
Variable de
salida
regulada

Comparador
Salida
deseada

Seal de
error
+

ENTRADA
r (t)

Salida
CONTROLADOR
O REGULADOR

b (t)

e (t)

ACTUADOR

PROCESO

y (t)

c (t)

Salida
medida
CAPTADOR

Realimentacin

Figura 34. Esquema de Sistema de lazo cerrado


En la Figura 34 se muestra un esquema del sistema, donde e(t) es la seal de error,
r(t) la de referencia y b(t) la variable realimentada. En el comparador, la seal de
referencia se compara con la seal medida por el captador, donde:
e(t) = r(t) b(t)
Se pueden dar los siguientes casos:
Si e(t) = 0; en este caso la seal de salida tendr el valor previsto
Si e(t) 0; en este caso la seal de error actuar sobre el regulador, y l
asimismo actuar sobre el actuador, el cual intentar ajustar el proceso para que a la
salida se obtenga el valor deseado.

77

Estado del Arte

Siguiendo el ejemplo del apartado anterior, el captador puede ser un termmetro, para
poder conocer en todo momento la temperatura de la habitacin y poder compararla
con la temperatura establecida, y el regulador puede ser un termostato. Mientras la
temperatura no vare respecto al valor prefijado, el regulador no actuar, y cuando sta
vare, el regulador modificar su seal, haciendo que el actuador modifique la
temperatura de la habitacin.

2.2.4 Funcin de transferencia


La respuesta transitoria es la respuesta que se obtiene al aplicar una seal conocida a
la entrada de un sistema (Figura 35). En los sistemas, normalmente la seal de
entrada tiene forma de escaln. La funcin de transferencia relaciona las seales de
entrada y de salida de un sistema y sirve para determinar:
-

La respuesta del sistema frente a una seal de entrada


La estabilidad del sistema y si el mismo se va a mantener dentro de unos
lmites acotados
Los valores que se debern aplicar al sistema para que permanezca estable

Un sistema dinmico lineal, puede ser descrito por esta ecuacin diferencial (Deventer
et al., 2003):

Donde u(t) es la seal entrada del sistema y y(t) la seal de salida. Slo sern
fsicamente aplicables los sistemas que cumplan:
mn
En la mayora de los casos se usar la funcin transformada de Laplace:
{

Nota: La funcin transformada inversa de Laplace se usar para retornar los valores al
dominio temporal:

Y la relacin entre dos seales f1(t) y f2(t) ser:


{

Si se asigna el producto de las dos transformadas de Laplace para la primera ecuacin


diferencial, queda:

78

Estado del Arte

Y la funcin de transferencia como:

Que es el cociente de dos polinomios para una seal simple de entrada y una seal
simple de salida
La definicin de funcin de transferencia seria: dado un sistema dado, la funcin de
transferencia G(s) del sistema es el cociente entre las transformadas de Laplace de las
seales de salida y de entrada.

Dominio
temporal
Entrada

Salida
Sistema

u(t)

Salida
y(t)

Dominio
complejo
Entrada

Salida
G(s)

U(s)

Y(s)

Figura 35. Diagrama entradas y salidas para tiempo real y complejo


Otra forma comn de representar la funcin de transferencia seria mediante la
siguiente expresin:

Donde si se conoce la funcin de transferencia G(s) y se calcula la transformada de


Laplace de la entrada, se conocer la transformada de Laplace de la salida.
El denominador de la funcin de transferencia D(s) se conoce como funcin
caracterstica, ya que expresa las caractersticas fsicas de los elementos que
conforman el sistema. Si se iguala a cero esta expresin, se denomina funcin
caracterstica del sistema.
=0
Las races de la ecuacin caracterstica se denominan polos del sistema. As mismo,
las races del numerador N(s) se denominan ceros del sistema (St. Clair, 1999).

79

Estado del Arte

Para que sea posible crear un sistema, debe cumplirse que el nmero de polos sea
mayor o igual al nmero de ceros. El contrario significara que el sistema responde
antes de recibir la seal de entrada, cosa imposible a la prctica.
Se denomina orden de un sistema al que corresponde a su funcin caracterstica, de
forma que aparecen diferentes tipos de sistemas:
-

Sistemas de orden 0: Su funcin de transferencia no tiene ningn polo


Sistemas de primer orden: Su funcin de transferencia tiene un polo
Sistemas de segundo orden: Su funcin de transferencia tiene dos polos
Sistemas de orden superior: Su funcin de transferencia tiene ms de dos
polos

En control digital es ms comn trabajar con seales de tiempo discreto. La derivacin


de una seal f(t) puede aproximarse a:
(

Donde
denota el intervalo temporal entre dos instantes. As la ecuacin diferencial
se aproxima a una funcin por diferencias:

Para distinguir los sistemas discretos de los continuos, los ndices que se usan son,
por ejemplo,
en lugar de u(t).
Para evitar tratar con la convolucin de la funcin transformada Z:
{

Se utiliza para describir sistemas discretos. Haciendo el proceso similar a la


transformada de Laplace, esto lleva a la funcin transformada Z como funcin de
transferencia:

Donde el trmino
es el responsable del tiempo muerto del sistema (dead-time).
Los sistemas sin tiempo muerto tendrn d=0. Para el desarrollo de la funcin de
transferencia en lazo cerrado, se debe tener en cuenta que el controlador digital
genere slo las seales en puntos temporales determinados. Para asegurar que esta
seal se mantiene constante entre dos puntos temporales se usar un retraso de
orden cero . Tambin el equivalente discreto de tiempo de sistemas lineales es un
cociente entre dos polinomios:

80

Estado del Arte


Representado por B(z) y A(z) y multiplicado por
para los sistemas sin tiempo
muerto. El circuito cerrado de la funcin de transferencia
para un sistema
dinamico
y un controlador de D(z), se podr calcularlo con la funcin:

Posteriormente se resolver esta funcin por D(z) para calcular el controlador cuando
la funcin de transferencia de la planta G(z) y la reaccin de referencia
sean
conocidas (Gonzlez et al., 2004)

2.2.5 Representacin con bloques


Como se ha visto anteriormente, se representa la relacin entre la entrada y salida de
un sistema fsico mediante bloques (Figura 36), como un rectngulo que incluye una
funcin de transferencia u operacin matemtica que se le aplicar a la entrada para
obtener la salida (Piedrafita, 1999).

Entrada

Salida
G(s)

U(s)

Y(s)

Figura 36. Representacin de un sistema mediante bloques


u

Ramificacin de una
variable

Suma de dos
variables

u1

y
u2

Resta de dos
variables

u1

u2

81

Estado del Arte

u1

Producto de dos
variables

y
X
u2

u1

Divisin entre dos


variables

y
/
u2
U(s)

Y(s)=U(s)-P(s)

Comparadores

P(s)

Q(s)
+
U(s)
+

Y(s)=U(s)+P(s)-Q(s)

P(s)
+
U(s)

Y(s)=U(s)+P(s)

P(s)

G1(s)

G2(s)

Conexin en serie

=
G2(s)

G1(s)

U(s)

Y(s)

G1(s)

V(s)

G2(s)

=
U(s)

G1(s)G2(s)

V(s)

V1(s)

G1(s)
U(s)

Conexin en
paralelo

V(s)

G2(s)
V2(s)

=
U(s)

G1(s)+G2(s)

V(s)

82

Estado del Arte


+

R(s)

Y(s)

G1(s)
-

Conexin en anillo
con realimentacin
directa

=
U(s)

U(s)

G1(s)
1+G1(s)

Y(s)

R(s)

Y(s)

G(s)
-

Conexin en anillo
con realimentacin
a travs de un
segundo elemento

X(s)

H(s)

=
U(s)

G(s)
1+G(s)H(s)

Y(s)

V1(s)=G(s)U(s)
V1(s)=G(s)U(s)

G(s)
U(s)

Transposicin

G(s)

U(s)

G(s)
V2(s)=G(s)U(s)
V2(s)=G(s)U(s)
V1(s)=G(s)U(s)

V1(s)=G(s)U(s)

G(s)

U(s)

U(s)

G(s)
1/G(s)

V2(s)=U(s)

V2(s)=U(s)

U1(s)

U1(s)

G(s)
+

Y(s)

G(s)
+

Y(s)

+
G(s)

U2(s)

U2(s)

U1(s)

U1(s)

G(s)
+

Y(s)

Y(s)

G(s)

+
1/G(s)

U2(s)

U2(s)

Tabla 18. Operaciones usando bloques


En la Tabla 18 se representan operaciones con bloques.

2.2.6 Estabilidad de un Sistema


Debido a su estructura de realimentacin un sistema de control puede ser inestable,
por ejemplo, pueden aparecer oscilaciones con amplitudes crecientes en las seales.

83

Estado del Arte


La estabilidad en los sistemas lineales es independiente de las seales de entradasalida. Un sistema lineal ser estable, si su funcin de ponderacin tiende a cero, es
decir, si

Por el contrario, si el mdulo de la funcin de ponderacin aumenta con el tiempo


hasta el infinito, el sistema se denomina inestable. Sin embargo, en la mayora de los
casos, la funcin de ponderacin no se da en una forma explcita y analtica y por lo
tanto es costoso para determinar su valor. Si se conoce la funcin de transferencia de
un sistema y como es la transformada de Laplace de la funcin de ponderacin, existe
una condicin de estabilidad equivalente de acuerdo con la ecuacin anterior. Se
puede demostrar que para el anlisis de estabilidad de un sistema, es suficiente
comprobar los polos o races de la funcin de transferencia del sistema, es decir las
races de su ecuacin caracterstica (Figura 37).

Figura 37. Condiciones de estabilidad de un sistema lineal (Schmid, 2005)


Se puede formular las condiciones de estabilidad como (Schmid, 2005):
-

Estabilidad asinttica: Un sistema lineal es asintticamente estable, si las


races de su ecuacin caracterstica
para todos

o en otras palabras, si todos polos de su funcin de transferencia estn en la mitad


izquierda del plano.
-

Inestabilidad: Un sistema lineal es inestable, si al menos un polo de su funcin


de transferencia se encuentra en la mitad derecha plano, o, si por lo menos un
polo mltiple (multiplicidad) est en el eje imaginario del plano.

Estabilidad Crtica: Un sistema lineal es crticamente estable, si al menos existe


un slo polo en el eje imaginario, si ningn polo de la funcin de transferencia
se encuentra en la derecha del plano, y adems no hay varios polos en el eje
imaginario.

84

Estado del Arte

2.2.7 Respuesta de un sistema


Un sistema no responde inmediatamente a una seal dada, sino que aparecen una
serie de fenmenos transitorios, antes de normalizarse en una respuesta permanente,
una vez sus variables se han normalizado. Esta respuesta transitoria dar una idea de
la rapidez del sistema, mientras que la respuesta permanente da una idea de la
precisin y robustez del sistema (Siler y Buckley, 2005)
Hay varias formas grficas de representar una funcin de transferencia G(s) de un
| y argG(s) sobre el plano complejo sern necesarios
sistema. Si se representa |
dos diagramas tridimensionales. Por ejemplo, la Figura 38 muestra una representacin
grfica de la funcin de transferencia:

Figura 38. Grafico tridimensional que representa la respuesta de un sistema (Schmid


et al., 2005)
Esta representacin tridimensional muestra claramente la influencia de los polos y
ceros en la magnitud de la funcin de transferencia. Tales diagramas son difciles de
manejar y afortunadamente, no son estrictamente necesarios para el anlisis y diseo
de sistemas de control, ya que muchas de las propiedades pueden ser descritas
mediante la respuesta en la frecuencia. La respuesta de frecuencia est representada
en la figura como el corte en el eje imaginario de los diagramas tridimensionales. Para
el diagrama de la Figura 38, la interseccin de este corte y la superficie est
representada por la curva roja, que indica la magnitud de la respuesta de frecuencia.

85

Estado del Arte

2.2.8 El Controlador
Como se ha visto en un apartado anterior, el controlador es la parte principal en un
sistema de bucle cerrado, ya que a partir del error obtenido, condiciona la accin del
elemento actuador. La accin de control es la forma en que el controlador genera la
seal de control. Algunas acciones del controlador son bsicas (proporcional,
derivadora e integradora) y otras son combinaciones de estas bsicas (ProporcionalIntegradora, Proporcional-Derivadora y Proporcional-Integradora-Derivadora) (Tabla
19)

Acciones bsicas

Combinacin de acciones
bsicas

Proporcional (P)
Integrador (I)
Derivador (D)
Proporcional-Integrador (PI)
Proporcional-Derivador (PD)
Proporcional-Integrador-Derivador (PID)

Tabla 19. Tipo de acciones del controlador


2.2.8.1 Controlador de accin proporcional (P)
La seal de accionamiento es proporcional a la seal de error del sistema, o sea, si la
seal de error es grande, el valor de la variable regulada es grande y al revs (Figura
39). El controlador simplemente amplifica la seal de error.
Su funcin de transferencia se reduce a una variable real, denominada
de la forma siguiente

relacionada

Donde y(t) es la seal de salida del regulador y e(t) la seal de entrada al regulador o
error. De forma Laplaciana:

Donde Y(s) es la salida, E(s) el error a entrada de regulador y


ser la ganancia del
bloque de control. Esta ganancia debe ser bien escogida ya que si es demasiado
grande producir grandes cambios a ligeras desviaciones y al revs (Figura 40).
R(s) +

E(s)

Y(s)

Kp

C(s)

Gp(S)

Figura 39. Diagrama de un controlador P


Los parmetros para definir un controlador, a partir de su respuesta sern:

86

Estado del Arte

%)

Donde:
- Banda proporcional (BP). Porcentaje que debera variar la entrada al
controlador para que altere el 100% de la variable de salida
- K es el valor de salida que proporciona el controlador cuando el error es del
0% (normalmente de aplica 50%)
es la ganancia proporcional ya definida
. Salida en %
es la medicin
es el punto de consigna

e(t)

t
y(t)
Kp

Respuesta
Terica

Respuesta
Real

Figura 40. Respuesta de un controlador P a una seal tipo escaln unitario


Como resultado de la estricta relacin entre la seal de error y la variable regulada,
estos controladores siempre tienen un remanente de la seal de error que no queda
compensada (seal de Offset), por lo que este tipo de controlador es valido
actualmente para reducidas aplicaciones
2.2.8.2 Controlador de accin integral (I)
En este tipo de controlador, la seal de salida del mismo vara en funcin de la
desviacin (dem que el controlador P), pero adems, en funcin del tiempo en que se
mantiene la misma (Figura 41). El tipo de salida de este regulador es:

87

Estado del Arte


Donde y(t) es la seal de salida del controlador, e(t) el error de entrada o diferencia
entre la medicin y el punto de consigna (PC)
En formato de Laplace, transformando la funcin integral:

e(t)
e0

t
y(t)

Figura 41. Respuesta de un controlador I a una seal tipo escaln


2.2.8.3 Controlador de accin proporcional e integral (PI)
Acta de forma combinativa con los efectos del controlador P e I. La accin
proporcional es la primera en actuar y lo hace de forma instantnea, mientras que la
funcin integral acta durante un intervalo de tiempo (Figura 42). Se evita, gracias a la
accin integral, la desviacin permanente.
Responde a la ecuacin:

Tambin se puede expresar de la forma

Donde
y son parmetros ajustables del sistema. A se le llama tiempo integral o
tiempo de duplicacin y controla la accin integral del sistema y
controla las dos
funciones.
En formato laplaciano se expresa como:
(

88

Estado del Arte


Como ejemplo se considera un brazo robot con este tipo de controlador. Al
desplazarse el brazo, la funcin proporcional lo acercar muy rpidamente ms o
menos cerca de su destino, y la funcin integral lo acercar con precisin al destino
prefijado.

e(t)
1

t
y(t)

2Kp

Kp

Ti

Figura 42. Respuesta de un controlador PI a una seal tipo escaln

2.2.8.4 Controlador de accin proporcional y derivativa (PD)


La salida de este tipo de controlador responde a la siguiente ecuacin:

Tambin se puede expresar como:

Donde
y
son parmetros ajustables del sistema. A
se le llama tiempo
derivativo o de adelanto y es funcin de la velocidad en que compensa el controlador
un cambio en la variable regulada, comparado con un controlador P (Figura 43).
controla ambas acciones.
En el dominio de Laplace tenemos:

89

Estado del Arte


e(t)

t
y(t)

2Kp

Kp

Td

Figura 43. Respuesta de un controlador PD a una seal tipo rampa


Este tipo de controlador se usa cuando la seal de error es variante en el tiempo, ya
que al control derivativo no ejerce ningn efecto sobre una seal tipo escaln. Como
se puede apreciar en la Figura 43, la respuesta del propio controlador se anticipa a la
seal de error, por ello
es llamado tiempo de adelanto. Se usan ensistemas que
deben actuar de forma muy rpida. Es un control poco usado en la prctica, ya que no
puede compensar completamente las desviaciones remanentes del sistema y puede
llevar al sistema a una inestabilidad en la regulacin
2.2.8.5 Controlador de accin proporcional, integral y derivativa (PID)
Es uno de los sistemas de control ms utilizados en regulacin automtica. Aprovecha
las caractersticas de los tres controladores anteriores. Si el error vara lentamente,
predomina la accin proporcional y derivativa, y si por el contrario, lo hace muy
rpidamente, predomina la accin derivativa (Figura 44). Las desventajas son que el
bucle de regulacin es ms difcil de ajustar y ms propenso a oscilar. Una de las
ventajas es que tiene una respuesta muy rpida y una compensacin de la seal de
error en caso de cambios o perturbaciones (Furroy, 2003).

e(t)

t
y(t)

Figura 44. Respuesta de un controlador PID a una seal tipo rampa

90

Estado del Arte


La funcin de salida de determina por:

Tambin se puede expresar como:

Donde como ya se ha visto


relacionan:

son parmetros del sistema ajustables, que se

En Laplace:
(

Los controladores PID son ampliamente utilizados en la industria. Para su


configuracin hay varias posibilidades. Se describirn dos de las formas de hacerlo
ms comunes hoy en da
2.2.8.6 Configuracin de un controlador PID segn Ziegler y Nichols
Es uno de los primeros enfoques en la configuracin PID (Ziegler y Nichols, 1942) y
actualmente no es el enfoque ms usado por algunos problemas que presenta.
Muchos procesos industriales presentan una funcin de transferencia con un
comportamiento sobreamortiguado regular, descrito con la funcin:

Donde
es la ganancia,
una constante de tiempo y
el dead-time del
controlador. Se usa una aplicacin en que el controlador est en primer lugar y es
usado como un controlador proporcional puro, cuya ganancia aumenta hasta que se
su bucle de control se convierte en oscilante puro (Unbehauen, 1997). Se mide su
ganancia de retroalimentacin
yla duracin de un periodo. Posteriormente sus
parmetros se fijan de acuerdo con la Tabla 20.
Controlador
P
PI
PID

0,5
0,45
0,6

0,85
0,5

0,12

Tabla 20. Configuraciones de un controlador segn Ziegler and Nichols (Ziegler y


Nichols, 1942)

91

Estado del Arte


2.2.8.7 Configuracin de un controlador PID segn Dead-Beat
Un controlador Dead-Beat est basado en los mtodos de Ragazzini (Schulz, 2002),
donde se asume que la funcin de transferencia del bucle cerrado
es igual a la
respuesta deseada
. Segn la siguiente ecuacin:

Donde se deduce que

Por ejemplo, es posible suponer como respuesta al comando deseado que la salida
del controlador debe converger exponencialmente hacia el nuevo valor deseado. En el
controlador Dead-Beat se supondr que todos los polos de la funcin de transferencia
estn en origen en el plano z, ya que:

Lo que conduce a e(t)=0 despus de un cierto tiempo

I se obtiene una seal de entrada estable (Schulz, 2002). Por tanto, el controlador
Dead-Beat

Podr calcularse mediante un numerador conocido y un denominador polinomial


referenciado al sistema dinmico. Esto garantiza que se alcance el valor deseado
despus de un nmero finito de pasos (Deventer et al., 2004)

92

Estado del Arte


2.3

INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS

Es conocido el relevante papel de las redes bayesianas en el marco de los sistemas


expertos y por tanto en el de la Inteligencia Artificial. En este captulo se intenta
exponer el estado del arte de este tipo de redes capaces de manejar incertidumbre en
los sistemas expertos. Su importancia radicar tambin en el papel que juegan en el
conocimiento de las bases de datos, en la relacin probabilstica de las variables que
se implican en un proceso. Estas redes son un modelo que describir las relaciones de
dependencia e independencia entre las variables asociadas. Las redes bayesianas se
aplican en un gran nmero de casos de la vida real, en proyectos de ingeniera, pero
tambin en neurolingstica, medicina, y muchos otros, gracias a su versatilidad. ste
apartado se centrar en la estructura relacional de las redes bayesianas y como a
partir de un conjunto de variables independientes o explicativas, se explicar una
variable dependiente (o a explicar).
Tambin se har un breve resumen de las definiciones de los sistemas de inteligencia
artificial y los sistemas expertos para poner el trabajo en antecedentes.

2.3.1 Inteligencia artificial (IA)


La inteligencia artificial se puede definir de mltiples formas. Usualmente se acepta
como definicin la que dice que es la parte de la ciencia que se ocupa del diseo de
sistemas inteligentes, o ms bien, de sistemas de computacin inteligentes.
Hay definiciones (Bellman, 1978) que rezan que la IA es la automatizacin de
actividades que se vinculan a procesos de pensamiento humano, actividades como la
toma de decisiones, resolucin de problemas, aprendizaje, etc.
Se entiende por inteligencia:
-

La comprensin del lenguaje


El aprendizaje
El razonamiento
La resolucin de problemas

Lo que permitir (Krishnamoorthy y Ming-Chien Shan, 2000):


-

Responder a las situaciones planteadas de forma flexible


Dar sentido a mensajes ambiguos o contradictorios
Reconocer la importancia relativa de los diferentes componentes de una
situacin
Encontrar similitudes entre las situaciones a pesar de las diferencias entre ellos
Establecer distinciones entre las situaciones pesar de las semejanzas que
pueden vincularlos

La IA se centra en el desarrollo de sistemas de computadora para simular los procesos


de resolucin de problemas y replicar la forma en que funciona el cerebro humano.

93

Estado del Arte

Redes
Neuronales

Lenguaje
Natural

Sistemas
Expertos
1960

IA
1950

Demostracin
Automtica

Robotica

Visin
Artificial

Figura 45. Relacin entre Inteligencia Artificial y Sistemas Expertos


A continuacin se muestra la evolucin de sta rea y su desarrollo:
1943-1956
Estudios centrados en Redes Neuronales. Demostracin de Teoremas
y Ajedrez. Circuito booleano para modelar el cerebro (Mc Culloch y Pitts, 1943). La
Inteligencia computacional de Turing. Primeros programas de IA, incluido el testador
de programas de Samuel, la Teora Logista de Newell y Simon (Newell y Simon, 1950)
y el Motor Geomtrico de Gelernter. Shaw dirigi los primeros experimentos de
programacin. Creacin de los primeros algoritmos para jugar al ajedrez (Shanon,
1950).
1952-1969
Creacin de sistemas que resuelvan cualquier problema. Avances
limitados por los recursos computacionales. Conferencia de Dartmouth: se adopta el
trmino Inteligencia Artificial (1956). Algoritmo completo de Robinson para
razonamiento lgico (Robinson, 1965). La IA descubre la complejidad computacional
La investigacin en redes neuronales casi desaparece. McCarthy desarrolla LISP.
1966-1974
Algoritmos genticos. Se aplica la complejidad computacional a la IA.
Problemas en la representacin del conocimiento.
1969-1979
Primeros desarrollos de sistemas basados en conocimiento. DENDRAL
(Feigenbaum y Buchanan, 1978) y MYCIN. Principios de las redes neuronales
artificiales RNA (Minsky, 1972) (Prez y Martn, 2003).

94

Estado del Arte


1980-1988
Las empresas se interesan por la IA. Control industrial y robtico. Auge
de los sistemas de IA en la industria
1988-1993

Crisis de los Sistemas expertos en industria: El invierno de la IA

1985-1995
Las redes neuronales vuelven a popularizarse. Resolucin de
problemas del mundo real. Sistemas especializados que cooperan. UNIX
1988-1995
Aplicacin de la probabilidad en los sistemas expertos. Redes
bayesianas: ALife, GAs, soft computing.
2003-
Se retoma la idea de la IA como Agente Global, o sea, una forma
conveniente y poderosa de describir una compleja entidad de software, que es capaz
de actuar con cierto grado de autonoma, para cumplir tareas en representacin de las
personas. A diferencia de los objetos (que son definidos por mtodos y atributos), un
agente es definido por su propio comportamiento (Russell y Norvig, 2004).
Newell y Simon propusieron la hiptesis de Sistema de smbolos fsicos en 1972, que
constituye el corazn de todos los el trabajo de investigacin y desarrollo que se lleva
a cabo en el campo de la IA. Se compone de una definicin de un smbolo estructura y
luego un planteamiento de la hiptesis, los cuales se indican a continuacin.
"Un Sistema de smbolos fsicos consiste en un conjunto de entidades llamadas
smbolos, que son patrones fsicos que existen como componentes de otro tipo de
entidad llamada expresin (o estructura simblica). As, un sistema se compone de un
nmero de casos o smbolos relacionados de alguna manera fsica (por ejemplo, estar
uno al lado del otro). En cualquier instante de tiempo que el sistema contendr una
correlacin de estas estructuras simblicas. Adems de estas estructuras, el sistema
tambin contiene un conjunto de procesos que operan sobre expresiones como:
creacin, modificacin, reproduccin y destruccin. Un sistema de smbolos fsicos es
una mquina que produce a travs del tiempo una evolucin de las estructuras de
smbolos. Este sistema existe en un mundo de los objetos ms amplio que sus
expresiones simblicas (Newell y Simon, 1972).

2.3.2 Sistemas Expertos


Un Sistema Experto es un sistema informtico que simula a los expertos humanos en
un rea especfica dada. Hay mltiples definiciones:
Segn Feigenbaum (Feigenbaum, 1982), un sistema experto es un software inteligente
de ordenador que usa la inferencia para solucionar problemas complejos que
requieren cierta pericia humana para su resolucin correcta. Los hechos y heursticas
son la base del conocimiento de un sistema experto.
En otra definicin, Nikopoulos describe un sistema experto como un sistema que usa
todo el conocimiento conseguido mediante razonamiento y heursticas con el fin de
solucionar problemas intratables en el mundo real por su complejidad, de una forma
razonablemente fiable (Nikopoulos et al., 1997)
Cada tipo de Sistema Experto constituye una herramienta o tcnica que slo se puede
utilizar para las tareas especficas para las cuales estuvo diseado. Los sistemas
expertos son ideales para tareas que implican un razonamiento basado en la
heurstica y el conocimiento experto del dominio que se aborda. Muchos tipos de
clasificacin, diagnstico y seguimiento de las tareas se pueden abordar de manera

95

Estado del Arte


eficiente utilizando sistemas basados en reglas de inferencia. Estas tcnicas tambin
pueden utilizarse para desarrollar algoritmos iniciales a la planificacin de diseos de
resolucin de problemas.
Un Sistema Experto debera ser capaz de:
- Procesar informacin y memorizarla
- Aprender de las experiencias y razonar
- Tener un alto grado de comunicacin tanto con su propio sistema como con
otros sistemas externos
- Tomar decisiones
Los primeros xitos de la IA en el campo de los Sistemas Expertos fueron: DENDRAL
(Feigenbaum y Buchanan, 1978), PROSPECTOR (Duda, Hart y Nilsson, 1973),
MYCIN (Shortliffe, 1976). Su uso es multidisciplinar y se encuentra en educacin,
medicina, meteorologa, ciencias sociales, etc.
Los sistemas expertos trabajan con programas de clculo complejos mediante
ordenadores. Hay una gran variedad de software que trabajan de forma experta
(Jackson, 1999). Los sistemas estn basados en reglas, que utilizan la relacin siluego para representar el razonamiento del proceso experto (si los datos cumplen
ciertas condiciones que se especifican, a continuacin se toman las medidas
adecuadas y las acciones pertinentes). Un nmero respetable de cientficos cognitivos
creen que una parte importante del razonamiento humano puede ser expresado por
este tipo de normas (Andersen y Petersen, 1993)
Otros enfoques incluyen redes semnticas o asociativas (Quillian, 1968), marcos
(Minsky, 1975) y redes neuronales, actualmente muy populares en una amplia
variedad de campos. De stos, los sistemas complementarios basados en reglas y la
red neuronal, tienen un apartado predominante. Por ejemplo se han aplicado las RN
en anlisis de aplicaciones industriales como la mecanizacin por lser (Ciurana et al.,
2009).
Segn la naturaleza del sistema se puede clasificarlos como
- Deterministas: el estado actual depende del estado anterior y las acciones
sobre el entorno. Son los Sistemas Expertos basados en reglas, que usan un
mecanismo de razonamiento lgico para sacar sus conclusiones.
- Estocsticos: sistemas en los que existe incertidumbre, por lo que necesita
ser tratada. Son los Sistemas Expertos Probabilsticos y la estrategia de razonamiento
usada es el razonamiento probabilstico.
Una de las dificultades al resolver problemas usando los enfoques de sistemas
expertos es la dificultad en la obtencin de conocimientos de los expertos en relacin
al problema abordado. La posibilidad de generalizar a partir de la resolucin de
problemas especficos est siendo reconocida como una caracterstica deseable de
los sistemas automatizados. Es en este contexto que las Redes Neuronales Artificiales
(RNA) han ganado importancia. Se est trabajando en la integracin de tcnicas
basadas en el conocimiento en las redes neuronales.
En las primeras etapas, los Sistemas Expertos se programaban bajo un enfoque
simblico, usando la lgica para mostrar la deduccin, el razonamiento y el
conocimiento humano. Cuando los dominios son ms complejos, las tcnicas de

96

Estado del Arte


inferencia de la lgica clsica no son vlidas para trabajar con los problemas
planteados.

Planteamiento del Problema


Encontrar Expertos Humanos
Disear Sistema Experto
Elegir Herramienta Desarrollo
Construir Prototipo
Probar Prototipo
Refinar y Generalizar
Mantener y Poner al da
Figura 46. Fases del desarrollo de un Sistema Experto (Weiss y Kulikowski, 1984)
Los sistemas expertos deben trabajar con reglas secuenciales, pero tambin paralelas
(Figura 46). Este ltimo comportamiento, caracterstica tpica del lenguaje difuso,
rompe con la forma de crear de los programadores y tambin con la forma clsica de
los algoritmos, ya que el sistema aprende con cada experiencia. Esto obliga a los
programadores a aprender los fundamentos y teoras de los sistemas difusos:
conjuntos difusos, lgica difusa y nmeros difusos.
Como ejemplo de sistema experto, se puede nombrar al sistema Gnesis (Sakthivel y
Kalyanaraman, 1992), el cual es un prototipo de sistema para la planificacin y el
diseo de estructuras de acero industrial. Propuesto por Sakthivel y Kalyanaraman, es
capaz de realizar las actividades de ingeniera que consisten en la planificacin
estructural, el diseo preliminar, el anlisis y el diseo detallado de edificios de acero
de una sola planta industrial en un sistema integrado, de manera que, a partir de
cualquier disposicin de la planta arbitraria y limitaciones espaciales especificado por
el usuario, GNESIS desarrolla la disposicin geomtrica de los sistemas
estructurales en los diferentes niveles de abstraccin y diseos tpicos de los
componentes estructurales. En el Gnesis, el espacio geomtrico contiene objetos que
describen la geometra de los atributos de cada componente estructural o el sistema
en un edificio industrial.

97

Estado del Arte


2.3.2.1 La incertidumbre en los Sistemas Expertos
La incertidumbre se define como la falta de certidumbre o certeza. El contrario del
conocimiento seguro y claro de algo. Aparece en las siguientes situaciones:
- Cuando los hechos o datos pueden no ser conocidos con exactitud (por ej., un
paciente puede no estar seguro de haber tenido la tensin alta la noche pasada). Esto
implica subjetividad, imprecisin, errores, datos ausentes, etc.
- Cuando el conocimiento no es determinista. Por ej., las relaciones entre
enfermedades y sntomas; un mismo conjunto de sntomas puede estar asociado a
varias enfermedades.
En la vida real aparecen muchos problemas con incertidumbre y puede manifestarse
como informacin incompleta, vaga o con imprecisiones. Se han desarrollado varias
metodologas para tratar este tipo de problemas. La mayora, cuantitativas, se basan
en esquemas en los que se introducen medias numricas que la cuantifican. Entre las
diferentes teoras se pueden mencionar las siguientes: el enfoque Bayesiano, que se
basa en el uso de probabilidades condicionales y el teorema de Bayes; factores de
certeza, que utiliza reglas con un factor de confianza asociado; teora de la evidencia
de Dempster-Shafer, lgica difusa y las redes bayesianas (Nikolopoulos et al., 1997).
En los primeros Sistemas Expertos, se usaba la probabilidad para tratar la
incertidumbre, pero al encontrarse algunos problemas por el uso incorrecto de algunas
hiptesis, se desech.
Con la aparicin de redes probabilsticas (Redes Bayesianas y Cadenas de Markov,
principalmente) el uso de la probabilidad para el tratamiento de la incertidumbre ha
vuelto a ser aceptado y hoy en da es la forma ms usada.
En sta tesis se emplean como sistema experto las RB debido a que proveen una
visualizacin grfica intuitiva del conocimiento y a que interesa evaluar las relaciones
causa-efecto y no tanto las reglas si-entonces que aportaran otros sistemas expertos
como la lgica difusa o los factores de certeza. Los sistemas difusos se usan mas a
menudo en sistemas de control (incerteza y grados de pertenencia) y las RB son ms
aplicables a sistemas de diagnstico (imprecisin y probabilidad), objetivo de sta
tesis.
2.3.2.2 La inferencia en los Sistemas Expertos
Los Sistemas Expertos estn basados en reglas. Una regla es una afirmacin lgica
que relaciona informacin conocida con otra que puede ser inferida o se sabe que es
cierta. Una regla se compone de la premisa y la consecuencia
-

Premisa: condiciones para que la regla se ejecute.


Consecuencia: conclusiones deducidas.

El motor de Inferencia es esencial en los Sistemas Expertos. La Inferencia permite


deducir nuevo conocimiento a partir de conocimiento que se sabe que es cierto. Usa la
Base de Hechos y el Conocimiento Base para obtener nuevas conclusiones o hechos.
Existen diferentes reglas de inferencia (Modus Ponens, Modus Tollens) y diferentes
estrategias de inferencia (Encadenamiento de reglas hacia delante y hacia atrs).

98

Estado del Arte


- Modus Ponens: Se examina la premisa y si es cierta, la conclusin pasa a
formar parte del conocimiento.
- Modus Tollens: Se examina la conclusin y si es falsa, se concluye que la
premisa tambin es falsa.
2.3.2.3 Sistemas Expertos y razonamiento difuso
Hay dos tipos generales de sistemas expertos difusos: los de control difuso y los de
razonamiento difuso. Aunque ambos hacen uso de los conjuntos borrosos, difieren
cualitativamente en la metodologa.
El primer control de estos sistemas que tuvo xito fue logrado por Mamdani (Mamdani,
1976), elaborando un sistema difuso para el control de una planta de cemento. Desde
entonces, estos sistemas han sido ampliamente aceptados en todo el mundo
Un sistema de control difuso simplemente acepta nmeros como entrada, traduce los
nmeros en trminos lingsticos como lento, medio y rpido (a ello se le llama
fuzzificacin en lgica fuzzy). Posteriormente las reglas asignan los trminos en otros
trminos lingsticos segn la funcin de transferencia que describen los parmetros
de salida. Por ltimo estos trminos de salida se traducen a un nmero de salida (a
este proceso se le llama defuzzificacin) (Russell y Norving, 2004).
2.3.2.4 Aplicacin de los Sistemas Expertos
Ejemplos de campos de aplicacin de Sistemas Expertos son las siguientes (MarnLlanes et al., 2005):
- Meteorologa.
- Transacciones bancarias.
- Control de trfico en una ciudad.
- Diagnstico mdico.
- Enfoque automtico de imgenes fotogrficas.
- Diagnstico de problemas en automviles.
- Interfaces de ordenador en lenguaje hablado.
- Gestin distribuida de redes de ordenador.
- Urbanismo y Gestin del territorio.
- Administracin local.
- Navegacin terrestre y martima.
2.3.2.5 Clasificacin
El problema de clasificacin es uno de los campos ms investigados en el campo del
aprendizaje automtico. El sistema experto debe clasificar constantemente sus
experiencias. Por ejemplo, una avera en una lnea de produccin, obliga a los
ingenieros de planta a encontrar los efectos del mismo para poder realmente encontrar
las causas del problema.
La tarea de clasificar consiste en etiquetar casos a partir de un conjunto de
caractersticas (Friedman y Goldszmidt, 1996). Se ha enfrentado a esta tarea con
diferentes enfoques, entre ellos se pueden mencionar los rboles de decisin, redes
neuronales y Nave-Bayes (Friedman y Goldszmidt, 1996). Este ltimo se considera
bastante efectivo, en el sentido de que es competitivo con el estado del arte de los
clasificadores; a pesar de la hiptesis tan fuerte que hace al considerar que los

99

Estado del Arte


atributos son condicionalmente independientes dada la variable clase. Esta restriccin
hace que en ciertos casos Nave-Bayes tenga un desempeo ligeramente menor,
sobre todo en aquellos casos en los que los atributos estn bastante correlacionados
(Friedman y Goldszmidt, 1996). Se ha demostrado que algunas redes bayesianas son
tan buenas clasificadoras como aquellas generadas con algoritmos como el PC
(Spirtes et al. 1993), K2 (Cooper & Herskovits, 1992) y Bayes (Cruz-Ramrez et al.,
2001).
El sistema integrado de Ingeniera (IES) (Shaktivel y Kalyanaraman, 1993) es un una
aplicacin mediante Sistemas Expertos propuesto por Shaktivel y Kalyanaraman, que
aborda las complejas demandas que plantean los procesos de ingeniera de la
computacin en el campo de la clasificacin del conocimiento. Las caractersticas ms
destacadas de IES son los siguientes:
-

La capacidad de manejo de una gran diversidad de parmetros


numricos, grficos y simblicos
Capacidad para utilizar una variedad de conocimientos, mtodos y
procedimientos de manera eficiente
Gestin de un gran volumen de datos estticos y dinmicos de manera
uniforme y eficiente
Representacin de la solucin en los distintos niveles de abstraccin a
partir del nivel ms general al nivel ms especfico
La capacidad para manejar los problemas que abarcan toda la gama
del espectro de derivacin de la formacin
Modelado y control del proceso de cooperacin de la ingeniera.

2.3.3 Redes Bayesianas


Una red bayesiana es un modelo grfico de las relaciones probabilsticas entre un
conjunto de variables. A lo largo de las ltimas dcadas las redes bayesianas se han
convertido en una representacin muy usada para codificar el conocimiento experto
incierto en sistemas expertos (Heckerman et al., 1995). Ms recientemente, los
investigadores han desarrollado mtodos para el aprendizaje de redes bayesianas a
partir de datos. Las tcnicas que se han desarrollado son nuevas y todava estn en
evolucin, pero han demostrado ser notablemente eficientes para algunos problemas
de anlisis de datos (Lozano et al., 2002).
En este apartado se tratar sobre las redes bayesianas en general y las diferentes
tcnicas bayesianas para la extraccin y la codificacin del conocimiento a partir de
datos (Sacerdoti, 2010). Existen numerosas herramientas para el anlisis de datos,
incluyendo entre ellas los rboles de decisin y las redes neuronales artificiales, y hay
muchas tcnicas para el anlisis de datos tales como la estimacin de densidad,
clasificacin y agrupamiento, pero las redes bayesianas se adaptarn mejor al objeto
de esta tesis por varias razones:
-

Pueden manejar fcilmente conjuntos de datos incompletos

Permiten aprender sobre las relaciones causales de aprendizaje (entendiendo


el dominio de un problema y el conocimiento de las relaciones causales)

Las redes bayesianas en conjuncin con tcnicas estadsticas bayesianas


facilitan la combinacin de conocimiento del dominio y los datos del problema
abordado

100

Estado del Arte


-

Facilitan un enfoque eficiente de ajuste de los datos. Se ver que no hay


necesidad de mantener todos de los datos disponibles.

Una red bayesiana es un grafo acclico dirigido (GAD) las uniones entre los nodos
tienen definidas una direccin en el que los nodos representan variables aleatorias y
las flechas representan influencias causales; el que un nodo sea padre de otro implica
que es causa directa del mismo; son utilizadas para proveer: una forma compacta de
representar el conocimiento y mtodos flexibles de razonamiento. El obtener una red
bayesiana a partir de datos es un proceso de aprendizaje que se divide en dos etapas:
el aprendizaje estructural y el aprendizaje paramtrico (Felgaer, 2005).
Las redes bayesianas o probabilsticas se fundamentan en la teora de la probabilidad
y combinan la potencia del teorema de Bayes con la expresividad semntica de los
grafos dirigidos; las mismas permiten representar un modelo causal por medio de una
representacin grfica de las independencias / dependencias entre las variables que
forman parte del dominio de aplicacin (Pearl, 1988). Constituyen un mtodo para la
representacin de conocimiento incierto, que permite establecer razonamientos
basados en la teora de la probabilidad. Cada nodo de una red bayesiana est
asociado a una v.a., que puede tomar valores dentro de un rango discreto o continuo.
Dichos valores son exclusivos y exhaustivos para cada variable de la red
(Feigenbaum, 1993).
Se puede interpretar a una red bayesiana de dos formas:
1. Distribucin de probabilidad: Representa la distribucin de la probabilidad conjunta
de las variables representadas en una red.
2. Base de reglas: Cada arco representa un conjunto de reglas que asocian a las
variables involucradas. Las probabilidades cuantifican cada una de estas reglas.
Las redes Bayesianas juegan diversos papeles importantes dentro de la Inteligencia
Artificial. Uno de ellos es su actuacin dentro del manejo de incertidumbre en los
sistemas expertos. Otro papel importante lo tienen en lo que se conoce como
descubrimiento de conocimiento en bases de datos; las redes Bayesianas permiten
encontrar, de una manera consistente, relaciones probabilistas entre variables. Siendo
entonces las redes Bayesianas modelos que describen las relaciones (relaciones de
independencia/dependencia) entre variables, estas pueden ser aplicadas a casi
cualquier tipo de problema. ste trabajo se centrar en aquellos problemas en los que
existe cierta estructura en las relaciones de las variables. En este tipo de problemas
hay una variable dependiente (a explicar) y un conjunto de variables independientes o
explicativas). La hiptesis subyacente es que el comportamiento de la variable
dependiente puede ser explicado como resultado de la accin de las variables
dependientes (Feigenbaum, 1993).
La definicin de red bayesiana podra ser: un grafo acclico dirigido en el que los nodos
representan variables aleatorias que pueden ser continuas o discretas (Felgaer, 2005);
en las siguientes definiciones se utilizarn letras maysculas para denotar los nodos
(X) y las correspondientes letras minsculas para designar sus posibles estados (xi).
Los estados que puede tener una variable deben cumplir con dos propiedades:
1. Ser mutuamente excluyentes, es decir, un nodo slo puede tener un estado en un
instante concreto

101

Estado del Arte


2. Ser un conjunto exhaustivo, es decir, fuera de este conjunto, un nodo no puede
tener ningn valor
Definiciones terminolgicas en el campo de las redes bayesianas:
-

Nodo:

Un nodo X es una variable aleatoria que tomar varios estados xi. La probabilidad de
que el nodo X este en el estado x se denotar como:

Arco de unin

Es la unin entre dos nodos y ser la representacin de la dependencia entre dos


variables del modelo. Un arco queda definido por un par ordenado de nodos (X, Y).
-

Nodo padre

El nodo X es un padre del nodo Y, si existe un arco (X, Y) entre los dos nodos.
-

Nodo hijo

El nodo Y es un hijo del nodo X, si existe un arco (X, Y) entre los dos nodos.
-

Probabilidad conjunta

Dado un conjunto de variables {X, Y,, Z}, la probabilidad conjunta da el valor de la


probabilidad de la combinacin de estados posibles de cada variable P(xi, yi,, zi) i,
j,, k, de manera que:

Probabilidad condicional

Dadas dos variables X e Y, la probabilidad de que ocurra yj dado que ocurri el evento
xi ser la probabilidad condicional de Y dado X y se representa como P (yj | xi).
La definimos como:
|

Cambiando el orden de las variables:

102

Estado del Arte


Si se relacionan las dos expresiones anteriores:
|

Asimismo se puede obtener el conocido Teorema de Bayes, el cual comnmente se


expresa de la forma:

El denominador de esta expresin conocido como el Teorema de la Probabilidad Total.


Las tablas de probabilidad condicional sern el conjunto de valores de las
probabilidades de los hijos dados las probabilidades de sus padres
-

Independencia entre variables

Se puede expresar la independencia entre dos variables X e Y una no tiene que ver
con la otra variable. Por definicin se cumple que Y es independiente de X si y slo si:
i, j
Por tanto:
i, j

i, j

Observacin de las variables

Es la comprobacin del estado nodal (X = x) a partir de un dato que se obtiene de


fuera del modelo
-

Evidencia

Es el conjunto de las observaciones en un instante determinado e = {X = x, Y = y,, Z


= z}.
-

Probabilidad a priori o inicial

Es la probabilidad de una variable presupuesta, sin tener la experiencia acumulada de


los casos.
-

Probabilidad a posteriori

103

Estado del Arte


Es la probabilidad de una variable que queda condicionada a la existencia de una
determinada evidencia; la probabilidad a posteriori de X cuando se dispone de la
evidencia e se calcula como P(X | e).
Una crtica comn de la definicin de probabilidad bayesiana es que las probabilidades
parecen arbitrarias, que los grados de creencia parecen no cumplir las reglas de la
probabilidad y de que es difcil evaluar a qu escala deben medirse las probabilidades
de un proceso. Estas cuestiones se han estudiado muy ampliamente. Muchos
investigadores han concluido que los grados de creencia son adecuados para evaluar
un conjunto de propiedades de un sistema (Ramsey, 1993), (Cox, 1972) y (De Finetti,
1970)
2.3.3.1 Representacin del conocimiento mediante redes bayesianas
Las redes bayesianas representan relaciones de causa y efecto en el dominio del
conocimiento a travs de una estructura grfica y las tablas de probabilidad
condicional entre los nodos, por lo tanto, el conocimiento que representa la red est
compuesto por los siguientes elementos (Dez, 1994):
- Un conjunto de nodos {Xi} que significaran las variables de la red
Cada variable tendr un conjunto exhaustivo de estados {xi} mutuamente excluyentes.
- Un conjunto de arcos (Xi, Xj) entre los nodos, los cuales tienen relacin causa-efecto.
Grficamente se reflejaran todas estas relaciones
- Su tabla de probabilidad condicional asociada a cada nodo Xi indicando la
probabilidad de sus estados observando las probabilidades y estados de sus padres.
Los nodos sin padre se representaran por las probabilidades estimadas inicialmente o
presupuestas
Para establecer la red bayesiana se pueden realizar los siguientes pasos:
- Asignar un nodo a cada variable (Xi) y se representa que otros nodos son causa
directa de ste; a ese conjunto de nodos causas del nodo Xi se lo describe como el
conjunto Xi y se lo llamar nodos padres de Xi.
- Se relacionan los padres y los hijos mediante flechas que parten de los primeros
hacia los segundos
- A cada variable Xi se asigna una matriz P(xi | Xi) que estima la probabilidad
condicional de un caso Xi = xi dada la combinacin Xi.
Ahora se tiene ya la estructura de la red bayesiana. Se especificaran las tablas de
probabilidad condicional y se podr comprobar la probabilidad de una variable
determinada dependiendo del estado del resto de las variables de la red bayesiana.
Para ello se debe calcular la probabilidad a posteriori de cada variable condicionada a
la evidencia; estas probabilidades a posteriori se podrn obtener de forma inmediata a
partir de la probabilidad conjunta de todas las variables P(x1, x2,.., xi). Este proceso se
vera simplificado al aplicar la propiedad de independencia condicional que permite
obtener la probabilidad conjunta a partir de las probabilidades condicionales de cada
nodo en funcin de sus padres (Castillo, 1997).
Para ilustrar el proceso de construccin de una red bayesiana se empezar por la
determinacin de las variables para realizar una eleccin de las variables del sistema.

104

Estado del Arte


Esta tarea inicial de definicin y relacin no siempre es sencilla. Como parte de esta
tarea se debern identificar correctamente los objetivos de los modelos de prediccin
en varios frentes de la forma siguiente (Hommersom y Lucas, 2010):
-

Comparar la explicacin frente a la exploracin


Identificar las posibles observaciones que puedan ser relevantes para el
problema
Determinar qu subconjuntos de esas observaciones son importantes para
modelar la red y cuales no
Organizar las observaciones en las variables que son mutuamente excluyentes
y sus colectivamente exhaustivos

stos problemas no son exclusivos de las redes bayesianas, sino que son comunes a
la mayora de los enfoques. Aunque no hay soluciones definitivas, se han realizado
algunos enfoques interesantes al respecto (Tukey, 1977) y (Howard y Matheson,
1983). La determinacin de la relacin causal de las redes bayesianas es en gran
parte responsable de su gran aplicacin en los sistemas expertos (Heckerman et al.,
1995).
A partir de las probabilidades inicialmente establecidas, la red bayesiana
proporcionar las probabilidades de cada uno de sus nodos, despus de cada
inferencia realizada en otros nodos y aadir los datos obtenidos por esta experiencia
al nuevo clculo probabilstico (Schiaffino, 2011). Se estudiaran como actan este tipo
de clculos en los siguientes apartados.
2.3.3.2 Independencia condicional
Segn lo que se ha descrito, la topologa o estructura de una red bayesiana no slo
representa explcitamente dependencias probabilsticas entre variables, sino que
tambin describe implcitamente las independencias condicionales existentes entre
ellas. La siguiente definicin muestra las condiciones que deben darse para que dos
variables sean condicionalmente independientes (Felgaer, 2005):
Una variable X es condicionalmente independiente de otra Y dada una tercer variable
Z, si el conocer Z hace que X e Y sean independientes. Es decir, si conozco Z, Y no
tiene influencia en X. Esto es: P(X | Y, Z) = P(X | Z)
Por tanto, cada variable (o nodo) ser independiente de todos los nodos que no sean
sus hijos, y una vez conocidos los nodos padres.
Esto se verifica en los casos en que los nodos X e Y estn separados por Z en el
grafo. Esto implica que todos los caminos para ir de X a Y pasarn necesariamente
por Z (Pearl, 1988).
En la red bayesiana de la Figura 47, {E} es condicionalmente independiente de {A, C,
D, F, G} dado {B}; con lo cual P (E | A, B, C, D, F, G) = P (E | B); se conoce a este
efecto como Separacin-D.

105

Estado del Arte

Figura 47. Ejemplo de red bayesiana

Corresponden a relaciones de independencia en la distribucin de probabilidad, todas


las relaciones de independencia condicional que se representan en la figura
Si se enumeran los nodos de una red bayesiana, X1, X2, .., Xi-1, de manera que se
cumpla que cada nodo aparece en la secuencia antes que cualquiera de sus hijos,
dicha red cumplir la siguiente independencia:
Cada variable Xi es condicionalmente independiente de las variables de un conjunto
{X1, X2,.., Xi-1} si se conoce el valor de sus padres
Por tanto:
Conociendo los padres de Xi, este se hace independiente del resto de sus
predecesores.
La regla de la cadena describe que la probabilidad conjunta puede ser calculada como
(Pearl, 1986):

Mediante la el uso de las tablas de probabilidad condicional y las independencias, se


obtiene la tabla de probabilidad conjunta de todas las variables a partir de sus tablas
condicionales y en funcin de sus nodos padres. Si se aplica la regla de la cadena y la
independencia condicional:

Para calcular la probabilidad conjunta una vez se conoce la estructura de la red


(padres e hijos) y sus probabilidades condicionales, se usar el siguiente ejemplo de
red bayesiana:

106

Estado del Arte

Figura 48. Aplicacin de la Regla de la Cadena en una red bayesiana


Un conjunto de nodos { a, b, c, d, e, f, g } esta representado en la red bayesiana de la
Figura 48; si se elige una ordenacin de los nodos de manera que se cumpla que todo
nodo aparece antes que sus hijos se obtiene, por ejemplo, el conjunto { a, b, c, d, e, f,
g }; aplicando la regla de la cadena y que cada nodo es independiente de sus
predecesores conocidos sus padres se obtiene que:
P (a, b, c, d, e, f, g) = P(a) P(b | a) P(c | a, b) P(d | a, b, c) P(e | a, b, c, d) P(f | a, b, c,
d, e) P(g | a, b, c, d, e, f)
P (a, b, c, d, e, f, g) = P(a) P(b) P(c | a, b) P(d | b) P(e | c) P(f | c) P(g | c)
Por tanto se determinar la probabilidad conjunta de todos los nodos de la red
bayesiana a partir de la probabilidad conjunta de cada nodo dependiendo de sus
padres. Mediante esta expresin se observa como se ha simplificado el clculo de la
red, usando menos parmetros y haciendo ms ligero el algoritmo de clculo de
probabilidades.

2.3.4 La Inferencia en redes bayesianas


Una vez se ha construido una red bayesiana, a partir de datos de conocimientos
previos, experiencia o una combinacin de los dos, se desear determinar las
probabilidades de inters a partir del modelo creado. Esta probabilidad de las variables
no se observa directamente en el modelo y por lo tanto para conocerla se deber
calcularla. En general, el clculo de una probabilidad buscada, dado un modelo, se
conoce como inferencia probabilstica (IP). (Leonard y Hsu, 1999). En este apartado se
describir la IP en redes bayesianas (Wang y Webb, 2002).
Debido a que una red bayesiana para la variable X, determina una distribucin de
probabilidad conjunta de X podemos, en principio, usar la red bayesiana para calcular
cualquier probabilidad de inters. El proceso consistir en calcular las probabilidades a
posteriori P (X | Y = yi) de un conjunto de variables X despus de obtener un conjunto
de observaciones Y = yi (donde Y es la lista de variables observadas e yi es la lista
correspondiente a los valores observados) (Kuehl, 2001). Como ya expusimos antes,
se usar el teorema de Bayes

107

Estado del Arte

Las probabilidades a posteriori, P (X | Y = yi), se obtendrn a partir de la probabilidad


marginal P (X | Y) que a su vez se obtiene de la probabilidad conjunta P (x1, x2,, xi),
de la suma de todas las variables que no pertenezcan al conjunto X Y. Este tipo de
clculo no es prctico, ya que si se trabaja con redes con un nmero de nodos
elevado, los clculos aumentaran de forma muy considerable. Para afrontar esto, en
la prctica se usan diferentes algoritmos para poder simplificar estos clculos.
2.3.4.1 Algoritmos de propagacin
Varios investigadores han desarrollado algoritmos de probabilidad de inferencia
bayesiana para redes de variables discretas que se aprovechan de la independencia
condicional mediante visiones diferentes Por ejemplo Howard, Matheson, Olmsted y
Shachter, desarrollaron un algoritmo que invierte los arcos en la estructura de la red
hasta que la respuesta a la consulta realizada se puede visualizar directamente desde
el grfico (Howard y Matheson, 1983), (Olmsted, 1983) y (Shachter, 1988). En este
algoritmo cada inversin arco corresponde a una aplicacin del teorema de Bayes.
Pearl desarroll un esquema de transmisin de mensajes que actualiza las
distribuciones de probabilidad para cada nodo en una red bayesiana, en respuesta a
las observaciones de una o ms variables (Pearl, 1986). Lauritzen y Spiegelhalter
crearon un algoritmo que primero transforma la red bayesiana en un rbol donde cada
nodo del rbol corresponde a un subconjunto de las variables de X El algoritmo
aprovecha varias propiedades matemticas de este rbol para realizar inferencia
probabilstica (Lauritzen y Spiegelhalter, 1988).
Por otra parte se ha desarrollado un algoritmo de inferencia que simplifica sumas y
productos simblicamente (DAmbrosio, 1999). El algoritmo ms comnmente utilizado
para las variables discretas son los de Lauritzen y Spiegelhalter (Lauritzen y
Spiegelhalter, 1988) (Jensen et al., 1990) y (Dawid, 1992). Desarrollando mtodos que
utilizan las afirmaciones de independencia condicional para simplificar los mtodos de
inferencia.
Con esta visin, se ve que hay dos tipos de mtodos de clculo de redes bayesianas:
los exactos, poco prcticos, pero que calculan las probabilidades condicionales de
toda la red y su inferencia, y los aproximados, con mltiples acepciones y estudios que
facilitan de una forma prctica y resolutiva obtener resultados aceptablemente
correctos de los clculos de estas redes, mediante tcnicas iterativas (Kuehl, 2001)
Se pueden encontrar y adaptar los diferentes tipos de algoritmos dependiendo del tipo
de red bayesiana con la que tratemos. Se pueden agrupar dichas redes en tres tipos:
-

rboles
Polirboles
Redes multiconectadas

2.3.4.2 Propagacin de redes bayesianas en forma de rboles


Cada nodo corresponder a una variable discreta A = {A1, A2,, An} mediante su
matriz condicional P (B | A) = P (Bj | Ai). Si definimos una evidencia mediante E

108

Estado del Arte


(habiendo previamente instanciando varias variables) la probabilidad posterior de
cualquier variable B es, por el teorema de Bayes (Morales, 2006):
|

Esquemticamente, el nodo B separa la red en dos subrboles y por tanto habr dos
tipos de evidencia:
- E- : Datos en el rbol que cuya raz es B.
- E+: Datos en el resto del rbol.
Aplicando Bayes
|
Como los dos son independientes, se aplica nuevamente Bayes:
|

se referir a una constante de normalizacin


Esto separa la evidencia para actualizar la probabilidad de B. Como dicho nodo no
tiene padres, y no se requiere de la probabilidad a priori, obtenemos:
|
La expresin anterior se puede simplificar mediante la introduccin de los trminos:
|
|
Entonces:
|

Debido a que por la propiedad de independencia condicional, dado el padre, los hijos
son condicionalmente independientes:

corresponde a la evidencia que proviene del hijo k de B denotado por

109

Estado del Arte


Si se condicionan los trminos de la ecuacin a todos los valores que puede tener
cada hijo:

Como B es condicionalmente independiente de la evidencia bajo cada hijo dado este y


usando la anterior frmula de :

Actuando de la misma forma se obtiene una expresin de ; primero se la condiciona


sobre todos los posibles valores del padre:

Como hay independencia condicional, se elimina E+ del primer trmino. El segundo


trmino representa la probabilidad posterior de A sin contar la evidencia del subrbol
|
de B, por lo que se puede expresarla usando la ecuacin para
y la
descomposicin de .

donde k incluye a todos los nodos hijos de A excepto B .


Resolviendo estas ecuaciones se obtiene un algoritmo apto para propagar las
probabilidades donde cada nodo guarda los valores de los vectores y as como las
matrices de probabilidad P; se propagaran por un mecanismo de traspaso de
mensajes en donde cada nodo enva los mensajes correspondientes a su padre e
hijos:
Mensaje al padre (nodo B a su padre A):

Mensaje a los hijos (nodo B a su hijo

):

110

Estado del Arte


Si se instancian varios nodos, se enviaran los mensajes correspondientes a sus hijos y
a sus padres hasta llegar a los nodos primeros y ltimos. El mensaje, por tanto, se
propagar en un slo paso y usar ms o menos tiempo en propagarse dependiendo
del tamao de la red. Se pueden hacer pruebas de instanciacin de variables y
comprobando los efectos que ello produce en los nodos no instanciados de la red.
2.3.4.3 Propagacin de redes bayesianas en forma de polirboles
Un polirbol es una red bayesiana en la que un nodo puede tener varios padres pero si
slo hay una trayectoria posible para cada nodo. El algoritmo de propagacin es muy
similar al de rboles; la principal diferencia es que se requiere de la probabilidad
conjunta de cada nodo dado todos sus padres (Morales, 2009):
|
Usando el mismo razonamiento que en los rboles, se puede obtener la probabilidad
de un nodo cualquiera B en trminos de sus padres e hijos:
|

A partir de esta ecuacin se obtiene una forma de propagacin similar al de rboles sin
aumentar el orden de complejidad.
2.3.4.4 Propagacin en redes multiconectadas (SCG)
ste tipo de red no conecta a padres y a hijos de forma sencilla como los casos
anteriores, sino que lo hace mediante mltiples trayectorias de conexin entre los
nodos. No se pueden aplicar las mismas metodologas a estos procesos, pero se
resuelven mediante diferentes tcnicas que se comentan a continuacin:
2.3.4.5 Condicionamiento
Si se instancia una variable, se bloquean todas las trayectorias de propagacin entre
esta variable y un grupo determinado de nodos. Este mtodo consiste en realizar el
proceso de propagacin de la evidencia para cada valor posible de dichas variables y
luego promediar las probabilidades ponderadas.
2.3.4.6 Simulacin estocstica
Se asignan valores aleatorios a las variables no instanciadas, se calcula la distribucin
de probabilidad de las mismas y se obtienen valores de cada variable mediante una
muestra; se repite el procedimiento para obtener un nmero adecuado de muestras y
en base al nmero de veces que aparece cada valor resultante se determina la
probabilidad de dicha variable.
2.3.4.7 Agrupamiento
El mtodo de agrupamiento consiste en transformar la estructura de la red para
obtener un rbol agrupando sus nodos usando la teora de grafos (Lauritzen, 1988).
El origen es el grafico de red original y a continuacin:
-

Se trianguliza el grafo agregando los arcos adicionales necesarios.

111

Estado del Arte

Se identifican todos los conjuntos de nodos que estn totalmente conectados

Se ordenan estos conjuntos de nodos de forma que todos los nodos comunes
estn en un slo conjunto padre anterior

Se construye un nuevo grafo en que cada conjunto de nodos sea un nuevo


nodo formando un rbol de grupos de nodos.

Una vez se obtiene la probabilidad conjunta de cada grupo de nodos, trabajando con
un zoom ms elevado, donde cada nodo es un conjunto de nodos, y se resuelven las
probabilidades como si se tratara de una estructura simple, se pueden resolver las
distribuciones de probabilidad para cada nodo individual.
En general, la propagacin en una red probabilstica (RP) con una estructura compleja
es un problema de complejidad NP-duro (Cooper, 1990); En muchas aplicaciones
reales, la red bayesiana obtenida no es tan compleja y los tiempos de propagacin son
razonables.

2.3.5 Mtodos para clculo de redes bayesianas con datos


desconocidos
A continuacin se vern algunos mtodos para el aprendizaje acerca de los
parmetros de la red cuando la muestra aleatoria es incompleta, es decir, que en
algunos casos no se tienen datos de las variables. Se deben separar de este anlisis
los casos en que faltan algunos datos de las variables de forma independiente de su
estado o de otra forma hay variables ocultas o desconocidas en la red bayesianas.
Para este ltimo caso, se han realizado estudios (Rubin, 1978), (Robins, 1986) y
(Pearl, 1995), pero no se abordaran en este resumen.
Para el caso de que en una red bayesiana hay un caso incompleto simple,
Spiegelhalter y Lauritzen resolvieron cada caso como una distribucin de Dirichlet
(Spiegelhalter y Lauritzen, 1990).
Otro tipo de aproximaciones se basan en los mtodos Monte-Carlo o de muestreo.
Estos mtodos son muy precisos siempre que se disponga de la potencia
computacional necesaria para resolver los clculos que se presentan. Hay mltiples
metodologas. Uno de los ms comunes es el de Gibbs (Geman y Geman, 1984), que
permite que partiendo de una distribucin de variables discretas y su distribucin
conjunta, se pueda plantear la funcin de probabilidad de estas variables discretas,
obteniendo las probabilidades esperadas en caso de falta de datos en parte de las
mismas. Dependiendo de la complejidad de la red, este mtodo, puede ser intratable.
Otros mtodos son el de la Aproximacin Gaussiana (Kass et al., 1988), los Mapas y
las aproximaciones ML con el algoritmo EM (Russell et al, 1995) y (Thiesson, 1995).

2.3.6 Ejemplo de propagacin de una red bayesiana


Para mostrar como trabaja el algoritmo de paso de mensajes en una red simple y
como transmite las probabilidades entre la red, se ver un ejemplo de una red simple,
donde se seguir paso a paso el mecanismo de esta transmisin.

112

Estado del Arte


Una de las redes clsicas usadas para este fin es la llamada The dog problem o The
dog barking problem (Figura 49). La red la present Eugene Charniak (Charniak,
1991).
Para aplicar este ejemplo se usar el software para clculo de redes bayesianas
Netica (Lpez, 2012) (Rodrguez y Dolado, 2007).
Las relaciones o arcos entre los nodos se muestran en la Figura 49:

H
Figura 49. The dog barking problem (Charniak, 1991)
Las variables involucradas son discretas y binarias. En la Tabla 21 se muestran todas
las probabilidades a priori del problema.
P(f) P(b) P(l|f) P(l|lf) P(d|f,b) P(d|f,lb) P(d|lf,b) P(d|lf,lb) P(h|d) P(h|ld)
0,99
0,90
0,97
0,30
0,70
0,01
Si 0,15 0,01 0,60 0,05
0,01
0,10
0,03
0,70
0,30
0,99
No 0,85 0,99 0,40 0,95
Tabla 21. Probabilidades condicionales de la red The dog barking problem
2.3.6.1 Propagacin inicial
- Todos los mensajes y de cada nodo son inicializados en 1.
- Se dispone inicialmente de las probabilidades de los nodos segn la Tabla 21.
- A continuacin se propagan los mensajes para evaluar las probabilidades
condicionales de los nodos hijos a partir de las probabilidades de los nodos padre.
Para propagar el mensaje se hace de la siguiente forma:
Si se tiene en cuenta un padre: mensaje a c en el estado i con el padre p.

113

Estado del Arte


Si se tienen en cuenta mltiples padres: mensaje a c en el estado i con los padres
a,, n.

- La probabilidad obtenida para cada estado de los nodos se obtiene realizando la


suma normalizada de la transmisin de los mensajes .
Por ejemplo la probabilidad inicial de que el nodo l se encuentre en el estado i:
|

La probabilidad inicial de que el nodo d se encuentre en el estado i:


|

- Se repite el proceso, partiendo del tercer paso, propagando el mensaje por toda la
red y actuando de la misma forma hasta que se hayan calculado todos los nodos.
Se ha concluido la primera propagacin de probabilidades. Esto se muestra en la
Figura 50. El sistema ha calculado las probabilidades iniciales. A partir de este
momento, el sistema est a la espera para recibir ms observaciones basadas en
nuevas experiencias para posteriormente recalcular otra vez las probabilidades de la
red bayesiana.
B
SI
NO

1.0
99.0

SI
NO

SI
NO

D
40.6
59.4

15.0
85.0

SI
NO

I
13.2
86.8

H
SI
NO

50.0
50.0

Figura 50. Propagacin de probabilidades inicial para The dog barking problem

114

Estado del Arte


2.3.6.2 Instanciacin de nodos
Si se instancia un nodo a un valor de los dos posibles
-

A la evidencia para dicho estado se le asigna el valor 1.

A la probabilidad para dicho estado se le asigna el valor 1.

A la probabilidad para cada uno de los estados restantes se les asigna el valor
0.

- Los mensajes y se transmiten hacia sus padres e hijos respectivamente.


Los mensajes son los mismos que los representados en la primera transmisin.
Se realizarn los mismos clculos que anteriormente. Para el mensaje tenemos:
Para un padre: mensaje a en el estado k desde el hijo c.

Se aprecia que
corresponde a la evidencia para el estado j del nodo c. En los
casos en que sean nodos instanciados, el valor ser igual a 1 para el estado
instanciado y 0 para el resto de ellos.
Si se consideran mltiples padres: mensaje a en el estado k desde el hijo c.

Se observa que

corresponde a la evidencia p para el estado k del nodo p.

En los casos en que sean nodos instanciados, el valor ser igual a 1 para el estado
instanciado y 0 para el resto de ellos.
- La propagacin de los mensajes contina como se indica en el paso cuarto de
manera recursiva respetando las siguientes reglas:
2.3.6.3 Propagacin de mensajes
- A travs de nodos instanciados no pueden propagarse los mensajes p.
Por ejemplo se tiene la red con el nodo D instanciado (Figura 51) y luego se instancia
el nodo B. Esta ltima instanciacin propagar un mensaje hacia el nodo D pero no
hacia H (ni a ninguno de sus otros hijos, si los tuviera).

115

Estado del Arte

H
Figura 51. The dog barking problem Instanciacin del nodo D
- No se bloquean por parte de los nodos instanciados los mensajes como se vio
antes. Sin embargo son bloqueados por nodos convergentes, los cuales no tienen la
evidencia . Por ejemplo si el nodo D o un hijo de este no estuvieran instanciados
entonces no se enviara ningn mensaje al nodo F (Figura 52).
B
SI
NO

2.25
97.7

SI
NO

SI
NO

D
100
0

35.9
64.1

SI
NO

I
24.7
75.3

H
SI
NO

50.0
50.0

Figura 52. The dog barking problem Recalculo de probabilidades despus de la


instanciacin del nodo D
2.3.6.4 Propagacin completa de mensajes
- Los mensajes p son propagados por la red para volver a calcular las probabilidades.
(Figura 53).

116

Estado del Arte

H
Figura 53. The dog barking problem Estado inicial
No se envan mensajes hacia los nodos D, B o F debido a que se encuentran
bloqueados por la falta de evidencia .

- Se instancia como siguiente ejemplo el nodo h (Figura 54).

H
Figura 54. The dog barking problem Instanciacin del nodo h

Se enviar un mensaje del nodo H al nodo D.

Se recalcular la probabilidad a posteriori del nodo D a partir de la nueva


evidencia.

Se envan mensaje a todas las relaciones del nodo D exceptuando, como en el


caso anterior, el nodo H.

117

Estado del Arte

Se recalculan las probabilidades de los nodos B y F.

El nodo F enva un mensaje al nodo L pero el nodo D no es sensible a ello

Se recalcula la probabilidad del nodo L.

- En el siguiente paso se instancia el nodo F, manteniendo el H instanciado (Figura


55).

El nodo F enva mensajes a los nodos D y L.

Son recalculadas las probabilidades de los nodos D y L.

Debido a que el nodo D tiene evidencia (proviene del nodo H) se enva un


mensaje hacia el nodo B como as tambin un mensaje al nodo H.

El nodo H no se altera puesto que est instanciado.

Debido al mensaje recibido por parte del nodo D, el nodo B recalcula su


probabilidad.

H
Figura 55. The dog barking problem Instanciacin de los nodos H y F
- Finalmente se instancia el nodo d (Figura 56).

118

Estado del Arte

H
Figura 56. The dog barking problem Instanciacin de los nodos H, F y D

Se envan mensajes a los nodos B y F mientras que el nodo H recibe un


mensaje .

Los nodos F y H se mantienen sin modificaciones pero el nodo B recalcula su


probabilidad.

Dado que el nodo F se encuentra instanciado, ste no enva ningn mensaje


al nodo I (Figura 57).
B
SI
NO

1.02
99.0

SI
NO

SI
NO

D
100
0

100
0

SI
NO

I
60.0
40.0

H
SI
NO

100
0

Figura 57. The dog barking problem Recalculo de probabilidades despus de la


instanciacin de los nodos F, D y H

2.3.7 Mtodos de bsqueda


En ste apartado se examinan los mtodos de bsqueda para la identificacin de las
estructuras de red optimizadas, usando algn criterio de clasificacin. No es sencilla la
resolucin del problema de encontrar la mejor red del conjunto de todas las redes, en

119

Estado del Arte


las que cada nodo no tiene ms que un nmero k de padres, para una aplicacin
concreta. Lamentablemente, para k>1 el problema se convierte en NP-Duro, incluso
cuando se usan restricciones mediante la distribucin de Dirichlet (Chickering et al,
1995).
Los investigadores han utilizado para solucionar estos problemas, algoritmos de
bsqueda heurstica y los mtodos de Monte-Carlo. Una propiedad que facilita la
bsqueda es que estos mtodos son ms eficientes cuando la seleccin del modelo es
separable, es decir: dada una estructura de red para el dominio X decimos que un
criterio para que la estructura sea separable es que pueda representarse como un
producto del criterio de la variable especfica.
(

Donde
son los datos restringidos a las variables y
.
La mayora de los mtodos ms comnmente utilizados para la bsqueda de redes
bayesianas hacen cambios sucesivos de los arcos en la red y emplean la
separabilidad para evaluar la bondad de cada cambio. Los posibles cambios que se
pueden hacer son fciles de identificar. Para cualquier par de variables si hay un arco
que los conecta, este arco puede ser invertido o eliminado. Si no hay un arco de
conexin, se puede aadir uno en cualquier direccin.
Otro mtodo encontrar la mejor red posible es el de primera bsqueda (Korf, 1993). En
este enfoque se analizan las posibles estructuras de red de forma sistemtica
utilizando una medida heurstica, que determina la mejor estructura de la misma.
Chickering ha demostrado que para un tiempo de computacin aceptable, produce
modelos razonables (Chickering, 1996).
Existe una lnea de investigacin prometedora en aras de mejorar y simplificar
estructuras de redes bayesianas complejas (Sprites y Meek, 1995).

2.3.8 Aprendizaje mediante Redes Bayesianas


En los apartados anteriores, se han tratado bsicamente las redes bayesianas en el
mbito de su clasificacin y modelos de regresin. Lo que hace especiales a las redes
bayesianas en particular y a los sistemas expertos en general son su capacidad de
aprendizaje. En realidad, esta capacidad es indispensable para formar parte del
mbito de la inteligencia artificial, ya que sin aprendizaje no existe la inteligencia
(Simon, 1983). Los sistemas de aprendizaje son capaces de generar nuevo
conocimiento y de ajustar el conocimiento existente.
Cuando se tiene un conjunto de datos y un conjunto de variables de proceso e
intuitivamente no se tiene la capacidad de determinar el proceso causa-efecto, las
redes bayesianas, junto a otras herramientas expertas, aportan una eficiente solucin.
Se ha demostrado que en procesos complejos las redes bayesianas no son ms
eficientes que otros sistemas como los rboles de decisin, pero que superan a stos
por su capacidad de aprender de los resultados y de la experiencia (Friedman, 1996).
Otras investigaciones comparan la precisin de las redes bayesianas y los rboles de
decisin y confirman la ventaja de las redes bayesianas en el aprendizaje (Singh y
Provan, 1995).

120

Estado del Arte


Cuando las variables de entrada producen que la variable de destino y los datos sean
incompletos, conocer las dependencias entre las variables de entrada se convierte en
un factor decisivo (Friedman, 1996).
Segn Pearl, la funcin de aprendizaje de las redes bayesianas, permiten modelar la
estructura de la red (aprendizaje estructural) y la relacin de sus nodos para el ajuste
(aprendizaje paramtrico) (Pearl, 1988).
2.3.8.1 Aprendizaje estructural
Para ser eficientes en este tipo de aprendizaje es fundamental conocer las relaciones
de dependencia e independencia entre las variables de la red. Hay muchas tcnicas,
como ya se ha comentado, para la modelizacin de la red bayesiana. Dependiendo del
tipo de red se podrn aplicar unas u otras metodologas. Se relacionar el aprendizaje
estructural en tres tipos de redes (en rbol, en polirbol y las redes multiconectadas
(Tapia, 2007).
2.3.8.2 Aprendizaje estructural en rboles
Chow y Liu han desarrolladlo un mtodo para aprendizaje estructural de rboles que
se basa en un algoritmo donde se aproxima una distribucin de probabilidad por un
producto de probabilidades de segundo orden, correspondiente a un rbol (Chow y
Liu, 1968). La probabilidad conjunta de n variables se puede representar como:

donde X j(i) es la causa o padre de Xi.


El objetivo es obtener la estructura en forma de rbol que se aproxime ms y mejor a
la distribucin de la red actual. Con esta aproximacin aparece un diferencial entre la
distribucin real, P y una distribucin aproximada en rbol, P, que se puede expresar
cmo:

Por tanto, el objetivo ser minimizar el error I. Para ello se define una diferencia en
funcin de la informacin mutua entre pares de variables que se define como:

Chow demuestra que la diferencia de informacin es una funcin del negativo de la


suma de las informaciones mutuas (pesos) de todos los pares de variables que
constituyen el rbol, por lo que encontrar el rbol ms prximo equivale a encontrar el
rbol con mayor peso (Chow, 1968). Por tanto, el algoritmo de Chow para encontrar la
red en forma de rbol ptima ser el siguiente:

121

Estado del Arte

Calcular la informacin mutua entre todos los pares de variables (n(n-1)/2).

Ordenar las informaciones mutuas de mayor a menor.

Seleccionar la rama de mayor valor como rbol inicial.

Agregar la siguiente rama mientras no forme un ciclo, si es as, desechar.

Repetir el punto anterior hasta que se cubran todas las variables (n-1ramas).

El algoritmo de Chow no define la direccin de los arcos. Esta direccin se puede


realizar a criterio de la experiencia o de forma arbitraria.
2.3.8.3 Aprendizaje estructural en polirboles
El algoritmo de Chow y Liu para rboles fue expandido por Rebane y Pearl para
polirboles; para ello parten de una estructura de red sin direccin en sus arcos y
determinan estas direcciones utilizando pruebas de dependencia entre grupos de tres
variables (Rebane y Pearl, 1989). As se obtiene una red bayesiana en forma de
polirbol, en cuyo caso la probabilidad conjunta es:
|

donde {

} es el conjunto de padres de la variable Xi.

C
A

Arcos divergentes

Arcos secuenciales

B
C

Arcos convergentes
Figura 58. Tipo de conexin entre tres variables (Rebane y Pearl, 1989).

122

Estado del Arte


Rebane y Pearl prueban en su algoritmo todas las dependencias entre todos los
grupos de tres variables en la estructura de red sin arcos. Se observan en la Figura 58
los tres tipos de relaciones de los arcos entre las tres variables (divergencia,
secuencial y convergencia).
El algoritmo de Rebane y Pearl consiste en:

Obtener el esqueleto utilizando el algoritmo de Chow y Liu.

Recorrer la red hasta encontrar una tripleta de nodos que sean convergentes o
multipadre

A partir de un nodo multipadre determinar las direcciones de los arcos


utilizando la prueba de tripletas hasta donde sea posible (base causal).

Repetir segundo y tercer paso hasta que ya no se puedan descubrir ms


direcciones.

Si quedan arcos sin direccionar utilizar criterios externos para obtener su


direccin.

Dependiendo del tamao y complejidad de la red puede suponer un trabajo de clculo


muy importante y es habitual usar reducciones empricas en redes complejas.
2.3.8.4 Aprendizaje estructural en redes multiconectadas
El aprendizaje de una red multiconectada es el caso ms complejo. El objetivo ser el
de optimizar la red intentando encontrar la estructura ms simple posible, o sea, con el
nmero mnimo de arcos. Como en el caso de los polirboles, se parte del algoritmo
de Chow y Liu para obtener un rbol inicial y se van agregando rboles hasta optimizar
la red. Sucar y Prez-Brito trabajaron en la solucin de este tipo de aprendizaje
estructural (Sucar y Prez-Brito, 1995). Se puede establecer el siguiente algoritmo:

Obtener una estructura de rbol inicial mediante el algoritmo de Chow-Liu.

Hacer la variable hiptesis el nodo raz y a partir de ste determinar la


direccionalidad de los arcos.

Producir un ordenamiento de los nodos {


} a partir de la raz y
siguiendo el rbol de acuerdo a la informacin mutua entre variables.

Probar la capacidad predictiva del sistema:


(a) Si es satisfactoria finalizar la optimizacin
(b) Si no es satisfactorio, agregar un arco y volver a probar la capacidad
predictiva del sistema. Seleccionar el arco de mayor informacin mutua
basando su direccin en el ordenamiento anterior, de forma que su nodo inicial
sea anterior al nodo final.

Como se ha visto anteriormente, la direccin de los arco no est definida de antemano


y no hay una relacin clara entre causa y efecto. Hay varias investigaciones en esta
lnea de trabajo para este tipo de redes multiconectadas.

123

Estado del Arte


En estos momentos hay varias tcnicas que se usan en este tipo de aprendizaje de
redes multiconectadas. Se basan en la verificacin de la bondad del comportamiento
de la estructura de la red respecto a los datos aportados de forma experimental y en la
bsqueda de la mejor estructura posible mediante la visualizacin y anlisis de un
generador de estructuras que las compare entre si.
Existen varias formas de evaluar las redes multiconectadas, por ejemplo:
-

Medida bayesiana: estima la probabilidad de la estructura dado los datos y se


la trata de maximizar.

Longitud de descripcin mnima (MDL): estima la longitud en bits requerida


para representar la probabilidad conjunta con una estructura modelo. En primer
lugar se deber representar la estructura y posteriormente representar el error
que tiene la estructura respecto al modelo

Se ha demostrado que el sistema MDL presenta un mejor comportamiento que la


medida bayesiana, ya que da como resultado estructuras ms optimizadas.
Es importante usar el mtodo, pero tambin la experiencia en la simplificacin de las
estructuras de una red bayesiana.
2.3.8.5 Aprendizaje paramtrico
Dada una estructura y las bases de datos, obtiene las probabilidades a priori y
condicionales requeridas.
Uno de los principales trabajos en el campo del aprendizaje de redes bayesianas en el
de Herkovits y Copper (Herskovits y Copper, 1991); el requisito principal para poder
realizar la tarea de aprendizaje de redes bayesianas a partir de datos es disponer de
bases de datos muy extensas en las que est especificado el valor de cada variable en
cada uno de los casos.
El aprendizaje en redes bayesianas a partir de bases de datos incompletas
generalmente consiste en inferir de alguna manera los datos ausentes para completar
la base de datos; investigaciones al respecto (Ramoni y Sebastiani, 1997) estiman los
lmites del conjunto de datos ausentes y obtienen un nico punto de estimacin que es
modificado con diferentes pesos dependiendo del patrn que supuestamente siguen
dichos datos; finalmente se construye una base de datos completa y se procede como
se indic anteriormente.
El aprendizaje paramtrico busca el estado inicial de una red bayesiana, eso es, las
probabilidades a priori de todos los nodos de la red padres y las probabilidades
condicionales de los nodos hijos. Si partimos de una red en forma de rbol, se pueden
usar estas expresiones para encontrar sus probabilidades (Morales, 2010):
Previas:

124

Estado del Arte

Probabilidades condicionales:
|

|
donde:
s corresponde al nmero de casos totales
i, j los ndices de las variables,
k, l los ndices de las variables observadas.
En las expresiones expuestas no se considera el factor incertidumbre en las
probabilidades y stas son puntuales. Otra visin es considerar las probabilidades
como una funcin distribucin de probabilidad continua. Normalmente se utiliza para el
caso de variables binarias la distribucin Beta y para variables mutievaluadas su
generalizacin que es la distribucin Dirichlet (Neapolitan, 1990)
2.3.8.6 Aprendizaje no supervisado mediante redes bayesianas
Ocurre que, en determinadas circunstancias, faltan datos de variables que
presumimos importantes en el modelo. Se conocen como nodos no observables. Se
estiman en relacin a los nodos los que s se tienen datos y esto permite tener
estimaciones de su probabilidad. Se puede usar el siguiente algoritmo (Armagno,
2006):

Instanciar todas las variables observables.


Propagar su efecto y obtener las probabilidades posteriores de las no
observables.
Para las variables no observables, asumir el valor con probabilidad mayor
como observado.
Actualizar las probabilidades previas y condicionales de acuerdo a las formulas
anteriores.
Repetir los cuatro pasos para cada observacin.

Existen a da de hoy otras tcnicas para utilizar las redes bayesianas y aplicarlas en el
aprendizaje no supervisado. Un ejemplo es el programa AutoClass (Cheeseman y
Stutz, 1995) que realiza una agrupacin de datos. El principio de AutoClass es
suponer que hay una sola variable, oculta, que nunca se ha observado. Esta variable
oculta es discreta y sus posibles estados corresponden a estados subyacentes de los
datos de los que se dispone.

125

Estado del Arte

C5
D1

C4
D2
D3
C1

C2

C3

Figura 59. Estructura de la visin de una red bayesiana mediante AutoClass


Por razones de eficiencia de clculo, Cheeseman y Stutz presuponen que las variables
discretas {D1, D2, D3} en la Figura 59 y las grupos de variables continuas definidas
por el usuario {C1, C2, C3} y {C4, C5} son independientes entre s dado el nodo oculto,
H. Partiendo de un grupo de variables D, AutoClass busca variantes de este modelo,
incluyendo cambio de estados de la variable oculta y selecciona la variante cuya
probabilidad aproximada sea un mximo local.
En AutoClass se presupone la existencia de una variable oculta. Hay otras situaciones,
en que no se est seguro de la presencia de una variable oculta. En estos casos, se
tienen modelos con y sin variables ocultas para reducir la incertidumbre. Sprites
proporciona un mtodo para identificar las posibles variables ocultas en este tipo de
situaciones (Spirtes y Glymour, 1993). Martin y VanLehn sugieren un enfoque distinto.
Postulan que si un conjunto de variables son mutuamente dependientes, una
explicacin simple es que estas variables tienen una sola causa comn oculta, que las
hace mutuamente independientes entre s. Entonces se buscan conjuntos de variables
mutuamente dependientes en la red (Martin y VanLehn, 1995).
2.3.8.7 Capacidad de prediccin de las redes bayesianas
Una de las mayores ventajas de las redes bayesianas es la de ofrecer un diagnostico
de efecto o prediccin a una variable respecto a una situacin actual. Mediante la
entrada de informacin a la red, sta se propaga de los nodos padres a los hijos y de
los hijos a los padres, de forma que se produce un comportamiento deductivo que
permite conocer una probabilidad de la ocurrencia de un hecho a partir de datos de
entrada, aun as, como se ha visto en los apartados anteriores, aunque no se disponga
de todos los datos (Jimnez, 2003).
2.3.8.8 Capacidad de interpretacin de datos de las redes bayesianas
Si la inferencia de la red proporciona datos de padres a hijos y de hijos a padres,
inferenciando estos, las redes bayesianas permitirn conocer las causas a los efectos
observados. Por tanto pueden aportar una herramienta eficaz en el diagnostico de
fallos y efectos, as como realizar simulaciones a partir de un modelo en red junto a
variables de entrada para obtener los parmetros de salida, como aportando stos y
obteniendo las probabilidades de entrada modificadas con cada experiencia
Las redes bayesianas recogen, como se ha visto ampliamente, informacin sobre
dependencias e independencias entre variables. A parte combinan con rigor mtodos

126

Estado del Arte


estadsticos junto con la experiencia y los aportes de los expertos en el aspecto en
cuestin. Adems, lo relaciona de una forma grfica e intuitiva para aportar soluciones
en mltiples campos de la vida real (Martnez et al., 2002).
Se supone que si una radiografa de trax con resultado anmalo realizada a una
persona puede ser sntoma de varias enfermedades distintas, por ejemplo cncer de
pulmn o bronquitis. Cada una de ellas con una serie de probabilidades de estar
presente. Por otro lado, si se encuentran otros signos, por ejemplo tos seca, puede
que esto confirme que el paciente sufra bronquitis y no cncer de pulmn. Por un lado
aumenta la probabilidad de tener bronquitis y disminuye la de cncer (Fernndez,
2002).

2.3.9 Software para RB


Actualmente existen muchas aplicaciones informticas que resuelven el problema.
Cada una de ellas tiene sus particularidades, sus propios algoritmos, simplificaciones,
interfaz grfica y modelizacin.
Se puede agrupar ste software en varios grupos segn el tipo de cdigo fuente, el
sistema operativo para el que estn diseados, el sistema de inferencia estadstica
que usan y su coste. Se pueden ver en la Tabla 22 una lista de ellos.
Nombre
AgenaRisk

Autor
Agena

Cfi
N

S.O.
WU

Coste
SI

Inferencia
JTree

Analytica

Lumina

WM

SI

sampling

Banjo

Hartemin
k

Jav
a

WU
M

NO

no

Bassist

U.
Helsinki
U.
Helsinki
Nijman
(U.
Nijmegen
)
Bayesia
Ltd

C++

NO

MH

Jav
a
N

WU
M
W

NO

NO

SI

jtree, G

Bayeswar
e

WU
M

SI

U.
Helsinki

WU
M

NO

NO

Bayda
Bayes
Builder

BayesiaLa
b
Bayeswar
e
Discoverer
B-course

Belief net Cheng (U.


power
Alberta)
constructo
r

Comentarios
Simulacin va
discretizacin dinmica
Compatible con hoja de
calculo
Aprendizaje va estructura
de redes estticas o
dinmicas de variable
discreta
Generacin de C++ para
MCMC.
Bayesiano Nativo Clasifica
Bayes
-

Aprendizaje va estructura,
interrogacin adaptiva,
modelos dinmicos
Aprendizaje va colapso y
limitacin con datos
parciales
Corre en su Server: Vista
de resultados vistos va
web browser.
-

127

Estado del Arte


Nombre
BNT

BNJ
BucketEli
m
BUGS

Business
Navigator
5
CABeN

Causal
discoverer
CoCo+Xlis
p
CIspace
DBNbox
Deal
DeriveIt
Ergo
GDAGsim

Genie

GMRFsim

GMTk

gR

Autor
Cfi
Murphy( Mitl
U.C.
a/C
Berkeley)
Hsu
Jav
(Kansas)
a
Rish (U.C. C++
Irvine)
MRC/Imp
N
erial
College
Data
N
Digest
Corp
Cousins
C
et
al.
(Wash.
U.)
Vanderbil
N
t
Badsberg C/li
(U.
sp
Aalborg)
Poole et Jav
al. (UBC)
a
Roberts
Ma
et al.
tlab
Bottcher
R
et al.
DeriveIt
N
LLC
Noetic
N
systems
Wilkinso
C
n
(U.
Newcastl
e)
U.
N
Pittsburg
h
Rue (U.
C
Trondhei
m)
Bilmes
N
(UW),
Zweig
(IBM)
Lauritzen
R
et al.

S.O.
WU
M

Coste
NO

Inferencia
Varios

NO

jtree, IS

Comentarios
Gestiona modelos
dinmicos como HMMs y
filtros de Kalman
-

WU

NO

Varelim

WU

NO

Gibbs

SI

Jtree

WU

NO

5 Mtodos
de
Muestreo

NO

NO

Jtree

WU

NO

Varelim

Varios

NO

No

SI

Jtree

WM

SI

jtree

WU
M

NO

Exact

Anlisis Bayesiano de
grandes modelos lineales
directos Gaussianos

WU

NO

Jtree

WU
M

NO

MCMC

NO

Jtree

NO

Aprendizaje slo
estructuras
Diseado para tablas de
contingencia
DBNs
Aprendizaje va
estructuras
Explota la estructura local
en CPDs.
-

Anlisis Bayesiano de
grandes modelos lineales
in directos Gaussianos
Diseado para
reconocimiento de voces.

128

Estado del Arte


Nombre
Grappa
Hugin
Expert
Hydra

Ideal
Java Bayes
KBaseAI

LibB

MIM

MSBNx
Netica
Optimal
Reinsertion

PMT

PNL
Pulcinella

Autor
Green(Bri
stol)
Hugin

Cfi
R

S.O.
-

Coste
NO

Inferencia
Jtree

SI

Jtree

Warnes
(U.
Wash.)
Rockwell

Jav
a

NO

MCMC

Lisp

NO

Jtree

Cozman
(CMU)
Codeas

Jav
a
N

WU
M
WU
M
WU

NO
SI

Varelim,
jtree
varelim

NO

none

Arquitectura
cliente/servidor, mltiples
usuarios, control de
acceso, lenguaje query
Aprendizaje va estructura

SI

Jtree

Maneja hasta 52 variables.

N
N
N

W
W
WU

NO
SI
NO

Jtree
jtree
none

Aprendizaje va estructura

Ma
tlab
/C
C++

NO

Propsito
especial

NO

Jtree

Lisp

NO

NO

Polytree

Recursivo
condiciona
l
No
Jtree

Friedman
(Hebrew
U)
Hyper
Graph
Software
Microsoft
Norsys
Moore,
Wong
Pavlovic
(BU)
Eruhimov
(Intel)
IRIDIA
Dodier
(U.
Colorado
)
Darwiche
(UCLA)

Jav
a

WU
M
WU
M

WU

NO

Tetrad
UnBBayes

CMU
?

WU
-

NO
NO

Vibes

Winn &
Bishop
(U.
Cambridg
e)
Xiang (U.
Regina)

N
Jav
a
Jav
a

WU

NO

Variaciona
l

Jav
a

WU
M

NO

RISO

SamIam

Web
Weaver

Comentarios

GUI requiere Allegro Lisp.


-

Versin C++ de BNT


Evala sistemas con
computo no probabilstico
Implementacin
distribuida.

Efecta anlisis sensitivo

K2 para aprendizaje va
estructura
No disponible

129

Estado del Arte


Nombre
WinMine

Autor
Microsoft

Cfi
N

S.O.
W

Coste
NO

Inferencia
None

XBAIES2.0

Cowell
(City U.)

NO

Jtree

Comentarios
Aprende va BN o
estructuras de red
dependientes
-

Tabla 22. Lista de software que aplican sistemas de RB (Sacerdoti, 2010)

130

Estado del Arte


2.4

ESTABLECIMIENTO DEL PROBLEMA

Despus de haber realizado el estado del arte de las tres afecciones de esta tesis,
como son el yeso (su uso y su fabricacin), la automatizacin industrial y los sistemas
expertos en al campo de la inteligencia artificial, enfocada a las redes bayesianas, en
este apartado se resume la problemtica en que se va a centrar esta tesis.
La tesis realizar un anlisis y establecer, con la tecnologa actual, la mejor prctica
para la fabricacin de anhidrita, evolucionando los actuales sistemas de fabricacin de
este semiterminado, su sistema de calidad y la regulacin de los equipos,
especialmente el horno y el quemador de dicho horno.
Por otra parte se analizarn y modelarn los sistemas trmico y energtico del sistema
horno y quemador, realizando los balances de masa y energa que corresponda para
su completa definicin y aprovechamiento en los puntos sucesivos.
La implantacin de un sistema de automatizacin que permita una eficiente generacin
y reporte de datos en tiempo real, as como el anlisis de los mismos y su relacin
entre todas las variables implicadas en el sistema.
Se establecern los lazos de control necesarios para, una vez determinadas las
variables clave, automatizar su funcionamiento y su autorregulacin. El sistema,
trabajar como experto en la tarea de la calcinacin de anhidrita.
Se implantarn estructuras de redes bayesianas que permitan conocer el
funcionamiento del sistema y los riesgos a los que se enfrenta. As mismo, el operador
y el ingeniero de planta podrn conocer la situacin de cada estado de cada variable,
para que le permita esto tomar las mejores decisiones en cada momento.
Estas problemticas son las que abordar la tesis en los captulos siguientes, donde
se intentar poner en claro y evolucionar el actual sistema de fabricacin de anhidrita
con mtodos actuales, que permitan mejorar en eficiencia, coste y en tener seguridad
a la hora de tomar las decisiones a bajo y alto nivel en esta lnea concreta de
fabricacin.

131

3 DESARROLLO DE LA PROPUESTA
Como se ha planteado en la introduccin, las aportaciones de la presente tesis
permitirn una revisin actualizada de todo el proceso de la calcinacin de anhidrita,
as como la automatizacin del proceso mediante una eficiente regulacin automtica,
aportando mejoras sustanciales en la estabilidad del proceso.
La aportacin de los sistemas expertos en dicho proceso permitir obtener un
autodiagnstico a la deshidratacin de la anhidrita, permitiendo al ingeniero de planta y
al operador tomar decisiones correctas a partir de los porcentajes obtenidos de fallo en
cada parte, o en cada variable, del mismo proceso.
En este apartado se desarrolla la propuesta de este trabajo. Se analizan desde
diferentes puntos de vista, mediante diferentes herramientas, todos los factores que
intervienen, de forma ms o menos directa, en la concepcin de ste estudio y que
llevarn a las formulaciones de las tesis que se plantean.
En la primera parte, el anlisis se centrar en los equipos fsicos, mecnicos y de
combustin. Se vern las caractersticas de los mismos, sus parmetros de regulacin,
sus modos de trabajar y se relacionarn sus elementos crticos. El trabajo se centrar
en el horno, en el quemador y su regulacin, el sistema de aspiracin y filtraje.
Seguidamente se analizar y establecer la operativa de trabajo, en definitiva, la
operativa de la produccin. Se realizarn diagramas de proceso y flujos, as como se
definirn las consignas y se establecern las pautas de control. Como no puede ser de
otra manera, se relacionarn intrnsecamente las operativas de produccin
propiamente dichas con las de control de calidad. En este apartado se estudiarn y se
establecern todos los anlisis que se realizan, tanto a las materias primas como al
producto terminado, del proceso de calcinacin de anhidrita en un horno rotativo de
coccin directa. Se detallaran asimismo las operativas de dichos ensayos de calidad
para el material que concierne.
En una segunda etapa del planteamiento de sta tesis, se entrar bsicamente en el
estudio energtico del horno de calcinacin. Se elaborarn los balances de masa y
energa del sistema. Para ello se mostrarn dentro de un conjunto, de un permetro de
produccin ms amplio, que incluir el resto de componentes energticos de una
planta de fabricacin de yeso, donde los diagramas simplificados de Sankey aportarn
una visin general y particular de la estratificacin energtica del permetro. No se
estima posible estudiar este apartado energtico sin este componente de gasto global,
tanto en su componente del gas natural como en el de la electricidad. Aqu se
aportaran datos de consumos energticos dilatados en el tiempo, siempre en aras de
aportar generalidad y visin global a ste estudio.
Posteriormente, y una vez definido los procesos implicados, se analizarn todas las
variables directas e indirectas que puedan afectar de una u otra forma a la
parametrizacin del mismo. Se realizar un estudio estadstico clsico pero se tratarn
los datos de las variables mediante herramientas modernas de gestin de este tipo de
datos. Se usarn programas informticos que permitan tratar la ingente cantidad de
datos generados por las mltiples fuentes de ellos, que se han definido en esta misma
parte cuando se han establecido las pautas de control. Se analizarn medias y
dispersiones, regresiones y curvas de correlacin. Otra aportacin del estudio ser las
tcnicas para el cruce de variables entre s para encontrar relaciones de dependencia

132

Desarrollo de la Propuesta
e influencia entre ellas. Todo ello permitir encontrar y definir los parmetros clave que
se debern posteriormente regular para la armonizacin del sistema de referencia.
El siguiente apartado versar sobre la automatizacin del sistema. Se analizar el
control de la automatizacin partiendo de un punto ms alto, con una visin global, a
un punto de detalle, con la visin particular de la gestin de calcinacin de anhidrita.
Se redefinir e implantar una gestin del nivel MES de la automatizacin aplicada, as
como los dems niveles de mando y de control sucesivos. Las secuencias de control
definidas en los apartados previos permitirn establecer la programacin de todos
estos niveles para que sean representados en un nivel Scada, que ser el que a
posteriori registre los datos histricos de cada una de las variables de control de
proceso para su trato posterior.
Una vez establecida la automatizacin general, el estudio se centrar en la regulacin
automtica mediante controladores PID integrados en la programacin de bloques. La
implantacin de estos controladores, apoyados por el conocimiento exhaustivo del
sistema y por el anlisis previo de las variables implicadas, permitir obtener una
ajustada curva de trabajo, muy cercana a la ptima. Esto har que los equipos estn
gobernados de una forma eficiente y auto gestionados, con balances de error muy
menores que si se gestionaran con sistemas clsicos de control o evidentemente, si se
controlaran de una forma manual.
Todo el trabajo previo realizado dar el punto de partida a otra, y quizs una de las
ms importantes aportaciones de esta tesis, que ser realizar una implantacin de
inteligencia artificial. Se realizar un modelo estadstico moderno, mediante un sistema
experto como es una red bayesiana, del conjunto o lnea de produccin de calcinacin
de anhidrita. Se avanzar respecto al estudio clsico de las variables del sistema y se
introducirn nuevas variables que pueden afectar al mismo y que quizs no se tuvieron
en cuenta en los primeros anlisis. El modelo mediante RB aportar una visin de qu
afecta a quien en el proceso, y lo ms importante, cmo lo afecta. Estas modernas
tcnicas estn siendo aplicadas actualmente en amplios campos de la investigacin,
pero tambin se entran introduciendo en la gestin de los procesos, ya que permiten
tomar decisiones consensuadas al conocer el grado de riesgo que se asume tomando
dicha determinacin.
El modelo estadstico mediante RB est programado para proporcionar respuestas al
comportamiento del sistema en condiciones cambiantes. Est testeado y ajustado a un
gran nmero de variables y casos estudiados, as como avalado por una gran cantidad
de datos de los mismos. Una de las ventajas del sistema respecto a estudios
anteriores, puede que la principal, es que el sistema es receptivo con los cambios, que
aprende con cada nuevo caso y hace que sus ajustes sean ms finos da tras da.
Esta ventaja competitiva es una de las causantes de que la moderna gestin de casos
se est tratando con este tipo de sistemas expertos.

133

Desarrollo de la Propuesta
3.1

PROCESO DE CALCINACIN DE ANHIDRITA

3.1.1 El horno de calcinacin de AN


Fabricante y distribuidor: TALLERES A. MONTERDE, S.A. Ramn y Cajal, 2. Polgono
Industrial el Pla. 08750-Molins de Rei (Barcelona)
Los datos identificativos del equipo son:
Serie y modelo:
Marca: ARAMIR
Modelo: HR3
N de serie: 1.151
Ao de fabricacin: 1990
Las dimensiones y el peso estn indicados en la Figura 60.

Figura 60. Dimensiones y peso del equipo


3.1.1.1 Indicaciones de la mquina
En la Figura 61 se puede apreciar el cuerpo de un horno rotativo. Dicho horno est
formado por tres cuerpos tubulares cilndricos, montados coaxialmente (Figura 62). El
tubo interior o de coccin (T1), el intermedio o de precalentamiento (T2) y el exterior o
enfriador (T3) Entre estos tres tubos se forman tres cmaras: la interior (A), la
intermedia (B) y la exterior (C)
El tubo interior (T1), de 15 m de largo, va provisto en cada uno de sus extremos de un
aro de rodadura (7), apoyado en sus respectivos rodillos (8) Situados en el aro de
rodadura ms alejado del quemador se hallan dos rodillos axiales (9), cuya funcin es
evitar desplazamientos longitudinales del horno. La corona dentada (10), situada
tambin en el extremo posterior, recibe el accionamiento por medio de un motor con
su correspondiente reduccin de velocidad, que es el que proporciona el movimiento
de giro al tubo interior (T1) y por consiguiente a la totalidad del horno.

134

Desarrollo de la Propuesta
En la parte posterior del cuerpo tubular (T1) se hallan las aberturas (2), que ponen en
comunicacin la cmara (B) con la cmara (A) En estas bocas, hay unas aletas
helicoidales cuya funcin es facilitar el paso y avance del material, evitando que ste
vuelva a reintroducirse en la cmara (B).

Figura 61. Cuerpo de un horno de combustin rotativo


En la parte delantera, se abren las bocas (3), que ponen en comunicacin la cmara
(A) de coccin con la cmara (C) de enfriamiento. En el extremo posterior del mismo
tubo (T1), se tiene la entrada (1b), por donde entra el polvo, que ha sido arrastrado por
los gases y recuperado por el filtro de mangas.
El conjunto de los tres cuerpos que componen la totalidad del horno se halla dispuesto
de manera que presentan una inclinacin del 1,5% en sentido descendente desde el
extremo delantero al posterior (es decir el hogar est ms alto) Esta disposicin
favorece la circulacin y avance del material.
Hay que destacar la presencia de aletas en el interior de cada una de las cmaras,
que varan de forma y disposicin segn sea la funcin que deban desempear.
Las paredes del hogar en el T1, donde se halla el quemador (5) estn recubiertas con
material refractario (11), dndoles una forma cnica, siendo la parte ms ancha la que
est ms cerca del quemador. En esta zona hay paletas de avance y volteo, ms con
la inclinacin del 3% se consigue que el material siga su recorrido a la parte delantera
del horno.
El material entra al horno por la caja de alimentacin (1a) en la parte delantera del
horno directamente a la cmara B, y realiza el recorrido indicado en la Figura 62,
saliendo finalmente por la caja de descarga (4) situada en la parte posterior del horno.
El carro porta quemador (6) tiene la posibilidad de desplazarse haca atrs,
separndose del horno para permitir el acceso al interior del horno (que tambin puede
hacerse quitando las tapas de la parte posterior)

135

Desarrollo de la Propuesta
El horno dispone de un hogar de combustin revestido de refractario interiormente,
situado entre el carro porta-quemador y el tubo rotativo. Este hogar de combustin
est situado sobre una estructura de HEB con ruedas para poder girarlo libremente.
El recorrido de los gases de combustin por el interior del horno es inverso al recorrido
del material. Una compuerta de mariposa (12) permite regular el tiro del horno, y una
compuerta de dilucin (13) posibilita la entrada de aire a temperatura ambiente para
bajar la temperatura de los gases que entran en el filtro de mangas.
Una cmara de expansin situada sobre la caja de alimentacin del horno, reduce la
cantidad de polvo que es arrastrada por los gases en su recorrido hacia el filtro de
mangas (Figura 63 y Figura 64). Esta cmara de expansin est calorifugada.
Tres captadores de temperatura suministran informacin sobre las temperaturas en
otros tantos puntos del horno. Una caa piromtrica (S1) fijada al carro porta
quemador indica la temperatura del hogar. Una termosonda (S2) situada en la tapa de
los pasos de anhidrita muestra la temperatura de coccin de la anhidrita II. Por ltimo
otra termosonda (S3) informa de la temperatura de salida de material del horno.
El sistema de accionamiento del horno consiste en un motor conectado por medio de
unas poleas a un reductor, el cual reduce la velocidad de rotacin del motor y la
comunica a un pin dentado recto que hace girar una corona dentada solidaria al
horno.
El horno est diseado para calcinar piedra de yeso cuyo tamao mximo no exceda
de 8 mm.
Las caractersticas tcnicas del equipo son:
1.- Horno produciendo anhidrita II:
-

Potencia del motor: 30 kW (1500 rpm)


Velocidad de rotacin del horno: 3 rpm
Temperatura de coccin: 600C
Potencia calorfica necesaria para la coccin: 2.910 kW (2.500.000 kcal/h)
Temperatura de la anhidrita II a la salida del tubo enfriador: 170-190C
Temperatura de salida de los gases: 100-110C
Alimentacin mxima: 125 kg/min
Produccin de anhidrita II: de 5 a 10 T/h
Granulometra de yeso crudo : de 0 a 8 mm

2.- Horno produciendo semihidrato:


-

Potencia del motor: 22,5 kW


Velocidad de rotacin del horno: de 1 a 3 rpm *
Temperatura de coccin: 170-200C
Potencia calorfica necesaria para la coccin: 2.910 kW (2.500.000 kcal/h)
Temperatura del semihidrato a la salida del tubo enfriador: 150-170C
Temperatura de salida de los gases: 90-100C
Alimentacin mxima: 165 kg/min
Produccin de semihidrato: de 7 a 11 T/h
Granulometra: de 0 a 8 mm
Potencia calorfica aproximada radiada por las paredes del horno: 670 kW

136

Desarrollo de la Propuesta

Figura 62. Esquema general de funcionamiento de un horno de anhidrita

137

Desarrollo de la Propuesta
* La velocidad de rotacin del horno afectar a las caractersticas del
semihidrato producido, por lo que ser tras analizar en el laboratorio los tiempos de
fraguado del semihidrato obtenido cuando se decida una velocidad definitiva (puede
variar entre 1 y 3 rpm).

Figura 63. Vista vlvulas de descarga de mangas de un filtro

Figura 64. Filtro de mangas de un horno de calcinacin

3.1.1.2 Trabajo con el horno de calcinacin


Para poner en marcha el horno es preciso seguir los siguientes pasos:
1.

Poner en marcha las mquinas de transporte del yeso cocido desde el


horno al silo de almacenamiento (o al silo de arranques). Las mquinas han

139

Desarrollo de la Propuesta

2.

3.
4.

5.

6.
7.

de seguir la secuencia de arranque prevista en la descripcin del cuadro


elctrico.
Poner en marcha el motor del aspirador del filtro. La mariposa de regulacin
del aire del filtro debe estar en la posicin cerrada o en el punto de abertura
1 (Figura 65 y Figura 66). Si se trabaja con el variador electrnico de
velocidad, arrancar en la posicin nmero 3 (en una escala de 1 a 10) y la
mariposa totalmente abierta.
Poner en marcha el quemador.
Inmediatamente despus de encendido el quemador poner en marcha el
motor del horno de forma que el horno gire solamente media vuelta y pare,
repetir esta operacin cada medio minuto o minuto aproximadamente (esto
debe hacerse para evitar que el tubo del horno se doble y tambin para
facilitar la dilatacin del mismo, evitando daos a los rodamientos de los
rodillos). En los hornos con variador electrnico, inmediatamente despus
de encendido el quemador poner en marcha el horno a velocidad lenta (n 1
en una escala de 1 a 10)
Cuando los gases calientes que salen del horno hacia el filtro alcanzan los
90C se pone definitivamente el motor del horno en marcha continua y se
conectan los motores de las mquinas de alimentacin de yeso crudo al
horno.
Poner en marcha los motores de transporte de retorno del polvo recogido
por el filtro al horno (sinfines y alveolar).
Previamente a la operacin de primer encendido del horno, se habr
regulado la cantidad de yeso crudo que debe entrar en el horno, para ello
se proceder de la siguiente forma. Se abre el desvo que hay en la boca
de alimentacin del horno, se pone en marcha la cinta transportadora a
horno y el alimentador, cuando cae el yeso crudo por el desvo, se recoge
en un recipiente el equivalente a un minuto (si el recipiente no es
suficientemente grande el control puede hacer en medio o en un cuarto de
minuto). A continuacin se pesa (en un minuto debe alimentarse el horno
un mximo de 165 kg cuando se produce semihidrato y 125 kg cuando se
produce anhidrita II) Si la regulacin de la alimentacin se realiza mediante
un alimentador con bscula electrnica, conviene tambin comprobar
manualmente que la cantidad de yeso que se alimenta al horno sea la
correcta, procediendo como se ha indicado anteriormente. La primera
regulacin, puede ser aproximada y cuando el horno est en
funcionamiento se afina. Es conveniente comprobar la alimentacin durante
el funcionamiento del horno, al menos una vez cada 8 horas.

Figura 65. Posiciones de la vlvula de mariposa en la aspiracin

140

Desarrollo de la Propuesta
8.

Tanto si se arranca el horno para producir semihidrato, como si se arranca


para producir anhidrita II, el material producido debe enviarse a un silo
previsto para los arranques hasta que la temperatura de consigna de dicho
material sea la deseada.

Para parar el horno es preciso seguir los siguientes pasos:


1.
2.
3.

Apagar el quemador.
Parar la alimentacin de yeso crudo.
A los tres minutos parar el horno y durante media hora, cada cinco minutos
darle media vuelta, esto debe hacerse para que el horno no se doble y para
evitar esfuerzos axiales a los rodamientos de los rodillos de rodadura.
Hasta pasada la media hora no debe pararse el aspirador del filtro del
horno. Trabajando con variador electrnico, bajar inmediatamente a
velocidad lenta n1, mantenindola durante 15 minutos. Dejar el aspirador
del filtro en marcha durante 15 minutos ms. Una vez parado el aspirador
del filtro mantener an la limpieza de mangas durante 15 minutos. Es
preferible parar el horno cuando se est produciendo semihidrato, al ser la
temperatura de coccin menor. No se debe parar nunca de forma brusca el
horno cuando se est produciendo anhidrita II, pues los esfuerzos
generados por la contraccin del horno sobre los rodillos son mucho
mayores que cuando se est produciendo semihidrato.

Figura 66. Regulador de la aspiracin en un horno de anhidrita


4.

5.

Antes de parar el horno hay que parar la rosca del filtro, el alveolar del filtro
y la rosca del polvo al horno. Teniendo en cuenta que el horno despus de
unas cuantas horas de marcha ha alcanzado una dilatacin que
aproximadamente es de 35 mm, cuando se vaya a parar, una vez cortada la
alimentacin y apagado el quemador (Figura 67), el horno deber seguir
girando hasta que en su enfriamiento se haya realizado la contraccin de
los 35 mm.
El material que sale del horno durante el tiempo que transcurre desde que
se para el quemador hasta que deja de girar definitivamente el horno debe
enviarse al silo de arranques. Al realizar un paro estndar como el descrito
se queda cierta cantidad de material dentro del horno. No es necesario
vaciar el horno de material si se realiza el paro segn el procedimiento
descrito.

141

Desarrollo de la Propuesta

Figura 67. Regulador del caudal de gas en un horno de anhidrita

Al producirse un paro imprevisto del horno, todas las mquinas que lo alimentan se
pararn siguiendo la secuencia descrita en los esquemas elctricos. Los paros
imprevistos del horno se detectan instalando un detector de control de rotacin en el
mismo; este dispositivo al comprobar que el horno no gira, dar la seal para realizar
el paro de la alimentacin.
Para fabricar anhidrita II estando el horno produciendo semihidrato se deben cambiar
los siguientes parmetros:
-

Alimentacin horno: Pasar de 165 kg/minuto a 125 kg/minuto.


Temperatura salida material: Pasar de la temperatura de consigna del
semihidrato a la de la anhidrita II.
Velocidad rotacin horno: Pasar de la velocidad de rotacin produciendo
semihidrato a 3 rpm.
Potencia del quemador: No varia
Al pasar de producir semihidrato a producir anhidrita II, el material debe
enviarse al silo previsto para los arranques hasta que el material alcanza su
temperatura de consigna.

Para fabricar semihidrato estando el horno produciendo anhidrita se deben cambiar los
siguientes parmetros:
-

Alimentacin horno: Pasar de 125 kg/minuto a 165 kg/minuto.


Temperatura salida material: Pasar de la temperatura de consigna de la
anhidrita II a la del semihidrato.
Velocidad rotacin horno: Pasar la velocidad de rotacin de 3 rpm a la del
semihidrato.
Potencia del quemador: No varia

Al pasar de producir anhidrita II a producir semihidrato, el material debe enviarse al silo


previsto para los arranques hasta que el material alcanza su temperatura de consigna.
En todos los casos el criterio de apreciacin de que el material obtenido es vlido es la
temperatura de coccin del mismo (esta temperatura se mide con el termopar S2 de la

142

Desarrollo de la Propuesta
Figura 62). Si la temperatura de coccin no coincide con la consigna establecida se
echar el material en el silo previsto para los arranques.
La mquina dispone de un paro de categora cero y 2 paros de emergencia, uno en la
cabina de mandos y otro al lado del horno. El paro de emergencia cumple con la
norma EN 418.
Reglaje de los rodillos del horno:
Algunas veces el aro de rodadura se apoya excesivamente en uno de los rodillos
axiales debido a que se ha producido un desplazamiento longitudinal del horno.
Cuando esto ocurre es necesario realizar un reglaje de los rodillos radiales,
consistente en ajustar la inclinacin de los rodillos radiales respecto del aro de
rodadura de forma que se reduzca e incluso elimine su empuje contra uno de los
rodillos axiales. La manera de proceder depende del sentido de giro del horno.
1.- Si el horno gira en el sentido de las agujas del reloj (visto desde el quemador):
-

Si el horno se desliza en direccin contraria al quemador, debern inclinarse


los rodillos tal como indica la Figura 68 superior. Para ello se aconseja roscar
1/4 de vuelta el tornillo B de ajuste de cada uno de los 4 rodillos, se hace rodar
el horno media hora y se vuelve a verificar la posicin del horno. Esta
operacin se repetir hasta que el aro de rodadura se encuentre sin ejercer
presin sobre ninguno de los dos rodillos axiales.
Si el horno se desliza hacia el quemador se inclinarn los rodillos en la
direccin contraria por lo que deber roscar 1/4 de vuelta el tornillo A de ajuste
de cada rodillo.

Figura 68. Ajuste de un horno Monterde segn sentido de giro

143

Desarrollo de la Propuesta
2.- Si el horno gira en sentido contrario al de las agujas del reloj (visto desde el
quemador)
-

Si el horno se desliza en direccin contraria al quemador debern inclinarse los


rodillos tal como indica la Figura 68 inferior. Para ello hay que realizar el mismo
proceso que el descrito para la Figura 68 superior pero girando 1/4 de vuelta
los tornillos A. En este mismo caso si el horno se desliza hacia el quemador
deber girarse los tornillos B.

Identificacin y localizacin de averas


Vase la Tabla 23.
AVERA
Deterioro del
refractario

CAUSA
Envejecimiento del
refractario
Sobrecalentamiento

Rotura de los
rodamientos

Envejecimiento
Sobresfuerzo en los
rodillos

SOLUCIN
Correcto
mantenimiento del
refractario
Comprobar aspiracin
del filtro mangas
Correcto
mantenimiento de los
rodillos
Lubricacin correcta
rodillos y rodamientos.
Efectuar arranque y
paro del horno
correctamente.
Vase Manual de
Instrucciones.
La contraccin del
horno debe efectuarse
con el horno rodando,
nunca en parado

Tabla 23. Cuadro de localizacin de averas de un horno de anhidrita

3.1.2 Quemador de gas natural


Fabricante y distribuidor: ECLIPSE COMBUSTIN, S.A. (Rockford, IL USA)
Los datos identificativos del equipo son:
Marca: HERAR
Modelo: H-2500
N de serie: 5/98
Ao de fabricacin: 1998
Combustible: Gas Natural

144

Desarrollo de la Propuesta
3.1.2.1 Descripcin del quemador
Se trata de un quemador compacto (monobloc) totalmente automtico (Figura 69),
diseado para conseguir la combustin total con muy bajo exceso de aire y una
regulacin 1/5. El quemador se compone bsicamente de dos partes principales:
1.- Un elemento base formado por:
-

Carcasa
Estabilizador de llama.
Cabezal de combustin.
Colector de gas con multiinyectores.
Dispositivo de encendido compuesto por doble electrodo.
Presostato de aire.
Grupo motor-ventilador.
Sistema de regulacin gas-aire ajustable a travs de una caja GASTHECNIC
LKS y accionado por un servomotor.

Figura 69. Componentes del quemador de gas natural


2.- Un circuito de gas (Tren de vlvulas) compuesto por los siguientes elementos
(Figura 70):
-

2 Electrovlvulas KROMS VK-80 de 3


Presostato de gas mxima KROMS DWG-500
Presostato de gas mnima KROMS DWG-50U
Vlvula VMG-50.
Borboteador de 1/4.
Electrovlvula piloto KROMS VG-15

145

Desarrollo de la Propuesta

Figura 70. Tren de vlvulas del quemador


3.1.2.2 Funcionamiento del quemador para gases combustibles
El quemador HERAR H-2500 (Figura 71) constituye un aparato patentado en Espaa
para la combustin de gases combustibles: Gas Natural, Gas Ciudad, Gas Propano y
Gas Butano. Es de sistema de aire insuflado, mediante grupo motor-ventilador y
mezcla realizada en la zona de combustin. Tiene un cabezal de mezcla, mediante
deflector de gran turbulencia para el aire y un multiinyector formado por varias caas
para el gas. Con ello se logra una correcta mezcla de aire y gas en todas las marchas,
con bajo exceso de aire en la combustin, cumpliendo la norma UNE-EN 676:1997.

Figura 71. Vista del quemador de gas natural H-2500


Las funciones del quemador sern:
-

Asegurar la mezcla de gas combustible con aire, en la proporcin conveniente


y en el momento deseado.

146

Desarrollo de la Propuesta
-

Realizar la combustin completa de dicha mezcla, de tal forma que los residuos
sean solamente vapor de agua y anhdrido carbnico, no encontrndose
muestras de inquemados (H2 y CO).
Mando de los paros y puestas en marcha segn las necesidades calorficas y
vigilancia de funcionamiento de acuerdo con las normas DIN 4788 relativas a la
construccin de quemadores de gas.

Las caractersticas tcnicas del quemador son:


-

Potencia calorfica: 580-2.900kW


Tensin de alimentacin: 380V 50Hz
Presin de distribucin de gas: 40-80hPa (sistema de regulacin de presin,
vlvula manual de seccionamiento y un filtro para evitar que entre la suciedad
en las vlvulas de seguridad)
Consumo de gas mximo: 278 Nm3/h
Tiro o depresin en el hogar: 6-8hPa (tiro artificial, nunca a contrapresin)
Caudal de extraccin: 30.000 m3/h.

3.1.2.3 Calibracin de los parmetros del quemador


Analizaremos en ste apartado los difusores y flujos del quemador. Para calcular el
coeficiente de descarga para diferentes tipos de orificios:
El flujo de aire o gas Q a travs de un orificio se puede determinar por la frmula:

donde:
A: rea del orificio en centmetros cuadrados
Cd: coeficiente de descarga del orificio
h: cada de presin a travs del orificio
g: densidad relativa del gas
Para dimensionar una placa de orificios, la ecuacin puede expresarse como sigue:

Para evaluar el efecto de los cambios en las condiciones operativas del flujo a travs
de un orificio:

147

Desarrollo de la Propuesta
Si cualquiera de los factores en esta relacin permanece constante a partir de la
Condicin 1 a Condicin 2, se puede prescindir de esta ecuacin, obtenindose las
relaciones simplificadas:
-

Si el flujo vara respecto a la superficie del orificio:

Si el flujo vara respecto a la cada de presin:

La ecuacin se denomina ley de raz cuadrada.


-

Si el flujo vara respecto al peso especfico:

El efecto de los cambios en las condiciones operativas de cada de presin a travs de


un orificio se calcular como sigue:

) (

) (

Una vez ms, si alguno de los factores en esta ecuacin no se han modificado desde
la condicin del 1 a la 2, se pueden formar relaciones simplificadas:
-

Variacin de la cada de presin frente a la variacin del flujo


(

sta es otra expresin de la ley de raz cuadrada


-

Variacin de la cada de presin frente a la superficie del orificio

(
-

Variacin de la cada de presin frente a la variacin del peso especfico

148

Desarrollo de la Propuesta

Para calcular los efectos de los cambios en la temperatura del gas en el flujo y la cada
de presin a travs de un orificio, se tiene que tener en cuenta que el aumento de la
temperatura de un gas tiene dos efectos: que aumenta el volumen y disminuye la
densidad relativa, en el ratio de las temperaturas absolutas. Se debern usar las
siguientes ecuaciones:
-

Variacin del flujo frente a la variacin de la temperatura

Variacin de la presin frente a la variacin de la temperatura

Borde filo
Cd = 0.60

Borde Romo
0.97

Reentrante
0.72

Tubo corto
0.82

Convergentes
dependiendo del
ngulo. Ver la curva de
la derecha.

Coeficiente de descarga (Cd)

Orificios y toberas de descarga


0.95
0.93
0.91
0.89
0.87
La prdida es de al menos 13

0.85
0.83

8 10 12 14 16 18
ngulo de convergencia en
grados

20

Figura 72. Clculo de toberas segn el flujo


Para gases a baja presin como es el caso del quemador para el horno de anhidrita se
pueden aplicar tablas de referencia. Los flujos de estas tablas se basan en una cada
de presin del orificio de 2,49hPa y un coeficiente de descarga Cd de 1,0.
Para determinar el flujo a travs de un orificio de un dimetro conocido, se deber:
-

Localizar el dimetro del orificio en la columna de la izquierda de la tabla.


Leer a travs de la columna correspondiente al gas que se mide. Da el flujo sin
corregir.
Multiplicar este flujo por el coeficiente de descarga del orificio. (Figura 72)
Corregir este flujo a la cada de presin realmente medida, usando la ley de
raz cuadrada anterior.

Para determinar el tamao del orificio adecuado para un flujo conocido en una cada
de presin especificada, se invertir el proceso:

149

22

24

Desarrollo de la Propuesta
-

Corregir el flujo conocido a una cada de presin de 2,49hPa, usando la ley de


raz cuadrada.
Dividir el flujo por el coeficiente de orificio.
En la tabla orificio, localizar la columna para el gas bajo consideracin. En esta
columna, localizar el flujo ms prximo al valor corregido encontrado en el
segundo paso.
Ver a la columna izquierda y encontrar el tamao del orificio corregido

Para el clculo se deber evaluar con la Tabla 24, Tabla 25 y Tabla 26, la prdida de
presin en tuberas trabajando a baja presin
Taladro

Dim.
Int.

Dim.
Superior

80
79
1/64
78
77
76
75
74
73
72
71
70
69
68
1/32
67
66
65
64
63
62
61
60
59
58
57
56
3/64
55
54
53
1/16
52
51
50
49
48
5/64
47
46
45
44
43
42
3/32
41

.0135
.0145
.0156
.016
.018
.020
.021
.0225
.024
.025
.026
.028
.0292
.030
.0312
.032
.033
.035
.036
.037
.038
.039
.040
.041
.042
.043
.0465
.0469
.0520
.0550
.0595
.0625
.0635
.0670
.070
.073
.076
.0781
.0785
.081
.082
.086
.089
.0935
.0937
.096

.000143
.000165
.00019
.00020
.00025
.00031
.00035
.00040
.00045
.00049
.00053
.00062
.00067
.00075
.00076
.00080
.00086
.00092
.00102
.00108
.00113
.00119
.00126
.00132
.00138
.00145
.00170
.00173
.00210
.0023
.0028
.0031
.0032
.0035
.0038
.0042
.0043
.0048
.0049
.0051
.0053
.0058
.0062
.00687
.0069
.0072

G.Natural
0,60
Sp.Gr.
.308
.355
.409
.431
.538
.668
.754
.861
.969
1.06
1.14
1.33
1.44
1.61
1.64
1.72
1.85
2.07
2.20
2.33
2.43
2.56
2.71
2.84
2.97
3.12
3.66
3.73
4.52
4.95
6.03
6.68
6.89
7.54
8.18
9.04
9.26
10.3
10.5
11.
11.4
12.5
13.4
14.8
14.9
15.5

Aire
0,60
Sp.Gr.
.239
.275
.317
.334
.417
.517
.584
.668
.751
.817
.884
1.03
1.12
1.25
1.27
1.33
1.43
1.60
1.70
1.80
1.88
1.98
2.10
2.20
2.30
2.42
2.84
2.89
3.50
3.84
4.67
5.17
5.34
5.84
6.34
7.01
7.17
8.01
8.17
8.51
8.84
9.67
10.3
11.4
11.5
12.

Taladro

Dim.
Int.

Dim.
Superior

3
7/32
2
1
A
15/64
B
C
D
1/4
F
G
17/64
H
I
J
K
9/32
L
M
19/64
N
5/16
O
P
21/64
Q
R
11/32
S
T
23/64
U
3/8
V
W
25/64
X
Y
13/32
Z
27/64
7/16
29/64
15/32
31/64

.213
.2187
.221
.228
.234
.2343
.238
.242
.246
.250
.257
.261
.2656
.266
.272
.277
.281
.2812
.290
.295
.2968
.302
.3125
.316
.323
.3281
.332
.339
.3437
.348
.358
.3593
.368
.375
.377
.386
.3906
.397
.404
.4062
.413
.4219
.4375
.4531
.4687
.4843

.0356
.0376
.0384
.0409
.0430
.0431
.0444
.0460
.0475
.0491
.0519
.0535
.0554
.0556
.0580
.0601
.0620
.0621
.0660
.0683
.0692
.0716
.0767
.0784
.0820
.0846
.0866
.0901
.0928
.0950
.1005
.1014
.1063
.1104
.1116
.1170
.1198
.1236
.1278
.1296
.1340
.1398
.1503
.1613
.1726
.1843

G.Natural
0,60
Sp.Gr.
76.4
80.7
82.4
87.8
92.3
92.5
95.3
98.7
102.
105.
111.
115.
119.
119.3
124.
129.
133.
133.2
142.
147.
148.
154.
165.
168.
176.
182.
186.
193.
199.
204.
216.
218.
228.
237.
239.
251.
257.
265.
274.
278.
288.
300.
322.
346.
370.
395.

Aire
0,60
Sp.Gr.
59.2
62.5
63.8
68.
71.5
71.6
73.8
76.5
78.9
81.6
86.3
88.9
92.1
92.4
96.4
99.9
103.
103.2
110.
113.
115.
119.
127.
130.
136.
141.
144.
150.
154.
158.
167.
169.
177.
184.
185.
194.
199.
205.
212.
215.
223.
232.
250.
268.
287.
306.

150

Desarrollo de la Propuesta
Taladro

Dian.
Int.

Dian.
Superior

40
39
38
37
36
7/64
35
34
33
32
31
1/8
30
29
28
9/64
27
26
25
24
23
5/32
22
21
20
19
18
11/64
17
16
15
14
13
3/16
12
11
10
9
8
7
13/64
6
5
4

.098
.0995
.1015
.104
.1065
.1093
.110
.111
.113
.116
.120
.125
.1285
.136
.1405
.1406
.144
.147
.1495
.152
.154
.1562
.157
.159
.161
.166
.1695
.1719
.175
.177
.180
.182
.185
.1875
.189
.191
.1935
.196
.199
.201
.2031
.204
.2055
.209

.0075
.0078
.0081
.0085
.0090
.0094
.0095
.0097
.0100
.0106
.0113
.0123
.0130
.0145
.0155
.0156
.0163
.0174
.0175
.0181
.0186
.0192
.0193
.0198
.0203
.0216
.0226
.0232
.0235
.0246
.0254
.0260
.0269
.0276
.02805
.02865
.0294
.0302
.0311
.0316
.0324
.0327
.0332
.0343

G.Natural
0,60
Sp.Gr.
16.2
16.8
17.4
18.3
19.4
20.2
20.5
20.9
21.5
22.8
24.3
26.4
27.9
31.1
33.3
33.5
35.
37.3
37.5
38.8
39.9
41.2
41.4
42.5
43.6
46.3
48.5
49.8
50.4
52.8
54.5
55.8
57.7
59.2
60.2
61.5
63.1
64.8
66.7
67.8
69.5
70.2
71.2
73.6

Aire
0,60
Sp.Gr.
12.5
13.
13.5
14.2
15.
15.7
15.8
16.2
16.7
17.7
18.8
20.4
21.6
24.1
25.8
25.9
27.1
28.9
29.1
30.1
30.9
31.9
32.1
32.9
33.7
35.9
37.6
38.6
39.1
40.9
42.2
43.2
44.7
45.9.
46.6
47.6
48.9
50.2
51.7
52.5
53.8
54.3
55.2
57.0

Taladro

Dian.
Int.

Dian.
Superior

1/2
33/64
17/32
35/64
9/16
37/64
19/32
39/64
5/8
41/64
21/32
43/64
11/16
45/64
23/32
47/64
3/4
49/64
25/32
51/64
13/16
53/64
27/32
55/64
7/8
29/32
15/16
31/32
1
1-1/16
1-1/8
1-3/16
1-1/4
1-5/16
1-3/8
1-1/2
1-9/16
1-5/8
1-11/16
1-3/4
1-13/16
1-7/8
1-15/16
2
2-1/8
2-1/4
2-3/8
2-1/2
2-5/8
2-3/4
2-7/8

.50
.5156
.5312
.5468
.5625
.5781
.5937
.6093
.625
.6406
.6562
.6718
.6875
.7031
.7187
.7343
.750
.7656
.7813
.7969
.8125
.8281
.8438
.8594
.8750
.9062
.9375
.9688
1.0
1.063
1.125
1.188
1.250
1.313
1.375
1.5
1.563
1.625
1.688
1.75
1.813
1.875
1.938
2.0
2.125
2.250
2.375
2.50
2.625
2.75
2.875

.1963
.2088
.2217
.2349
.2485
.2625
.2769
.2916
.3068
.3223
.3382
.3545
.3712
.3883
.4057
.4236
.44179
.46040
.47937
.49873
.51849
.53862
.55914
.5800
.60132
.64504
.69029
.73708
.7854
.88664
.99402
1.1075
1.2272
1.3530
1.4849
1.7671
1.9174
2.0739
2.2365
2.4053
2.5802
2.7612
2.9498
3.1416
3.5466
3.9761
4.4301
4.9087
5.4119
5.9396
6.4918

G.Natural
0,60
Sp.Gr.
421.
448.
476.
504.
533.
563.
594.
626.
658.
691.
725.
760.
796.
833.
870.
909.
948.
988.
1029.
1070.
1112.
1156.
1200.
1244.
1290.
1384.
1481.
1581.
1685.
1902.
2133.
2376.
2633.
2903.
3186.
3791.
4114.
4450.
4799.
5161.
5536.
5924.
6329.
6741.
7610.
8531.
9505.
10532.
11612.
12744.
13929.

Aire
0,60
Sp.Gr.
326.
347.
368.
390.
413.
436.
460.
485.
510.
536.
562.
589.
617.
645.
674.
704.
734.
765.
796.
829.
862.
895.
929.
964.
999.
1072.
1147.
1225.
1305.
1474.
1652.
1841.
2040.
2249.
2468.
2937.
3187.
3447.
3717.
3998.
4288.
4589.
4903.
5221.
5894.
6608.
7363.
8158.
8995.
9872.
10789.

Tabla 24. Capacidad del difusor en gases trabajando a baja presin (unidades
inglesas) y con cada de presin del orificio de 2,49hPa y un coeficiente de descarga
(Cd) de 1,0

151

Desarrollo de la Propuesta
Scfh Aire
40
50
100
200
300
400
500
600
700
800
900
1.000
1.500
2.000
3.000
4.000
5.000
6.000
7.000
8.000
9.000
10.000
12.000
14.000
16.000
18.000
20.000

1/2"
0,7
1,2
5,2
20,9
45,6

3/4"

1,2
4,7
10,5
18,7
29,4
42,1

1"

1,2
3,0
5,2
8,2
11,7
15,9
20,7
26,2
32,4

1-1/4"

0,7
1,2
2,0
2,7
3,7
5,0
6,2
7,7
17,4
30,9

1-1/2

1,0
1,2
1,7
2,2
2,7
3,5
8,0
13,9
31,4

2"

0,7
1,0
2,0
3,5
8,0
14,4
22,4
32,4
43,8

2-1/2"

0,7
1,5
3,2
5,5
8,7
12,5
17,2
22,4
28,1
34,9
50,3

1,0
2,0
3,0
4,2
5,7
7,5
9,5
11,7
16,9
22,9
29,9
37,9
46,8

Scfh Aire
4.000
6.000
8.000
10.000
12.000
14.000
16.000
18.000
20.000
25.000
30.000
35.000
40.000
50.000
60.000
70.000
80.000
90.000
100.000
120.000
140.000
160.000
180.000
200.000

4"

1,0
1,7
2,7
4,0
5,5
7,0
9,0
11,0
17,2
24,7
33,6
43,8

6"

0,7
0,7
1,0
1,2
2,0
3,0
4,0
5,2
8,2
11,7
15,9
20,7
26,2
32,4
46,6

8"

0,7
1,0
1,2
1,7
2,5
3,5
4,7
6,0
7,2
10,5
5,7
7,4
9,4
11,6

10"

0,7
1,2
1,5
2,0
2,2
3,2
1,8
2,4
3,0
3,7

12

0,7
1,0
1,2
0,7
0,9
1,2
1,4

14"

0,7
0,4
0,5
0,7
0,8

16"

0,3
0,3
0,4

18

152

Desarrollo de la Propuesta
Scfh Aire
250.000
300.000
350.000
400.000
450.000
500.000
550.000
600.000
650.000
700.000
800.000
900.000
1.000.000
1.100.000
1.200.000
1.300.000
1.400.000
1.600.000
1.800.000
2.000.000

4"

6"

8"
45,3

12
5,5
8,0
11,0
14,2
17,9
22,4
26,9
32,1
37,6
43,6

10"
14,4
20,9
28,4
37,1
46,8

14"
3,2
4,7
6,2
8,2
10,5
13,0
15,4
18,4
21,7
25,2
32,9
41,6
51,3

16"
1,5
2,2
3,2
4,0
5,2
6,5
7,7
9,2
11,0
12,5
16,4
20,7
25,7
31,1
36,9
43,3
50,3

18
0,7
1,2
1,5
2,0
2,7
3,2
4,0
4,7
5,5
6,2
8,2
10,5
13,0
15,7
18,7
21,9
25,4
33,1
41,8
51,8

Tabla 25. Prdidas de presin de una tobera trabajando a baja presin en hPa por
cada 30,5m de tubera de dimetro 40 para aire (unidades inglesas)
Gas
Nat.
25
50
75
100
125
150
175
200
300
400
500
600
700
800
900
1.000
1.500
2.000
2.500
3.000
4.000
5.000
6.000
7.000
8.000
9.000

3/8"

1/2"

3/4"

1"

1-1/4"

1-1/2"

2"

0,7
2,7
6,2
11,0
17,2
24,7
33,6
43,8

0,7
1,7
3,0
4,7
7,0
9,5
12,5
27,9
49,3

0,7
1,0
1,5
2,2
2,7
6,2
11,2
17,4
25,2
34,4
44,8

0,7
1,7
3,0
4,7
7,0
9,5
12,2
15,7
19,2
43,3

0,7
1,2
1,7
2,2
3,0
3,7
4,7
10,5
18,7
29,4
42,1

0,7
1,0
1,2
1,7
2,0
4,7
8,2
13,0
18,7
32,9
51,6

1,2
2,2
3,2
4,7
8,5
13,5
19,2
26,2
34,4
43,3

153

Desarrollo de la Propuesta

Gas Nat.
2.000
2.500
3.000
4.000
5.000
6.000
7.000
8.000
9.000
10.000
12.000
14.000
16.000
18.000
20.000
22.000
24.000
26.000
28.000
30.000
35.000
40.000
45.000
50.000
55.000
60.000
70.000
80.000
90.000
100.000
110.000
120.000
130.000
140.000
150.000
200.000
250.000
300.000

2-1/2"
0,7
1,2
2,0
3,2
5,2
7,5
10,2
13,5
16,9
20,9
30,1
40,9

3"

0,7
1,0
1,7
2,5
3,5
4,5
5,7
7,0
10,0
13,7
17,9
22,7
27,9
33,9
40,1
47,1

4"

0,7
1,0
1,5
1,7
2,5
3,5
4,5
5,5
7,0
8,2
10,0
11,7
13,5
15,4
21,2
27,4
34,9
43,1
52,1

6"

0,7
0,7
1,0
1,0
1,2
1,5
1,7
2,5
3,0
4,0
5,0
6,0
7,0
9,5
12,5
15,7
19,4
23,4
27,9
32,9
38,1
43,8

8"

0,7
0,7
1,0
1,2
1,5
2,0
2,7
3,5
4,2
5,2
6,0
7,2
8,2
9,5
16,9
26,4
38,1

Tabla 26. Prdidas de presin de una tobera trabajando a baja presin en hPa por
cada 30,5m de tubera de dimetro 40 para aire (unidades inglesas)
Modelo simplificado de la relacin entre la mezcla de aire y gas y el tamao de la
tubera:
El sistema de mezcla de aire y gas y las tuberas debe estar dimensionado para
proporcionar un flujo en una distribucin de presin uniforme y sin prdidas de presin
excesivas en trnsito.
Hay dos factores que causan la prdida de presin de aire y la consiguiente presin de
las variaciones:
-

La friccin en tuberas y codos

154

Desarrollo de la Propuesta
-

Las prdidas de presin de velocidad debido a los cambios de direccin.

En el trabajo de la combustin, las longitudes de tuberas son generalmente cortas


(menos de 1,3m), pero a menudo tienen muchas curvas. Asumiendo que la presin se
reduce en cada cambio de direccin y usando una tubera para baja presin, pueden
pasar por alto otras prdidas. En general, una presin de 75 a 125Pa es correcta en
estos casos. Esto es equivalente a la velocidad del aire a unos 11 a 14m/s. Para otros
gases, esta velocidad es inversamente proporcional a su densidad y, en consecuencia,
el aumento de velocidades se puede admitir con gas natural, pero trabajando con otros
gases como propano o butano, las tuberas deben ser dimensionadas para
velocidades ms bajas que la del aire.
La precisin de los medidores de tobera tambin es sensible a la velocidad de la
tubera, por lo que se debe hacer un esfuerzo para mantener la presin por debajo de
75Pa en las mediciones.
La Figura 73 muestra la relacin entre la velocidad, la presin y el flujo en diferentes
tamaos de tubos para aire, gas natural, propano y butano. Debido a que la densidad
relativa de la mayora de las mezclas de gases con aire es cercana a la del aire, los
conductos de mezcla pueden ser de un tamao igual que las tuberas de aire. El error
ser insignificante.

Tamao de tubo

Pv, "wc
Velocid.
Gas.
Pro- Bu- Ft/Min
Nat Aire pano tano x1000
3.0

5.0
4.0

2.0

3.0

5.0
4.0

2.0

3.0

1.5
1.0

0.5
0.4
0.3
0.2
0.15
0.1

1.5
1.0

1.5
1.0

0.5
0.4

1/4"

10
9
8
7

5.0
4.0
3.0
2.0

3/8" 1/2"

3/4"

1"

1-1/4"

18"

2-1/2"

2"

3"

4"

6"

8"

10" 12" 14"16"

10
9
8
7
6

6
5

1.5
1.0

2.5

0.3

0.5
0.4

0.2

0.3

0.15

1.5
0.2
0.15 0.2
0.1 0.15 1

0.1
0.05

2.0

1-1/2"

0.5
0.4
0.3

2.5

100

1.5

3 4

2
1000

3 4

6 8

2
10,000

3 4

2
100,000

3 4

Caudal, cfh

Figura 73. Relacin entre la velocidad, la presin y el flujo en diferentes tamaos de


tubos para aire, gas natural, propano y butano (unidades inglesas)
Mtodo de dimensionado de los conductos de aire por el mtodo de la igual superficie:
El mtodo se basa en mantener constante el rea total de la seccin transversal de
todas las partes de un tren de tuberas, independientemente del nmero de ramas que
tenga cada parte. En el esquema siguiente (Figura 74), el mtodo de igual superficie
requiere que:

155

Desarrollo de la Propuesta

Y
Z

Figura 74. Dimensionamiento de los conductos de aire mediante el mtodo de igual


superficie
La ventaja de este mtodo es que una vez que el tamao de la rama ms pequea se
ha determinado, a travs de las presiones o mediante cualquier otro mtodo vlido, el
resto del sistema de tubera de dimensiona sin ningn clculo adicional. Se debe
recordar, sin embargo, que si el clculo de las ramas ms pequeas es errneo, todo
el sistema estar mal dimensionado (Tabla 27).
Tamao
de
conexin

1/4
3/8

1/4
3/8

3/8
3/4

1/2
3/4

3/4
1

3/4
1-1/4

1
1-1/4

1
1-1/4

1
1-1/4

1/2
3/4

1/2
3/4

3/4
1-1/4

1
1-1/4

1
1-1/2

1
2

1-1/4
2

1-1/2
2

2
2-1/2

1
1-1/4

1
1-1/4

1-1/4
2

2
2-1/2

2
3

2-1/2
3

2-1/2
4

3
4

3
4

1-1/2
2

1-1/2
2

2-1/2
3

3
4

3
4

4
6

4
6

4
6

6
6

2-1/2
3

2-1/2
3

4
4

4
6

6
6

6
8

6
8

6
8

6
8

4
6

4
6

6
8

8
10

8
12

10
14

10
16

10
18

12
18

8
10

8
10

12
14

14
18

16
20

18
24

20
24

20 o 24
30

24
30

Nmero de ramas o conexiones

Tabla 27. Calculo de la dimensin de las tuberas de aire mediante el mtodo de igual
superficie (unidades inglesas)

La potencia del ventilador aumenta con el flujo de aire que se suministra y la presin
(Tabla 28, Tabla 29 y Tabla 30). Las cuatro ecuaciones siguientes se pueden utilizar
para predecir el consumo de potencia del ventilador. Difieren en las unidades de
trabajo. El trmino eficiencia es la eficiencia global del ventilador - una combinacin de
la del ventilador, el motor y la del tren de mando.

156

Desarrollo de la Propuesta

Presin Presin Densidad Densidad Volumen


Medida Absoluta
Kg/m3
Relativa Especfico
hPa
hPa
m3/kg
1.014
1,201
1,000
0,832
0
1.082
1,283
1,068
0,779
69
1.151
1,365
1,136
0,733
138
1.220
1,447
1,204
0,691
207
1.289
1,528
1,272
0,654
276
1.358
1,610
1,340
0,621
345
1.703
2,019
1,680
0,495
689
2.048
2,427
2,020
0,412
1.034
2.392
2,836
2,361
0,353
1.379
2.737
3,245
2,701
0,308
1.724
3.082
3,653
3,041
0,274
2.068
3.427
4,062
3,381
0,246
2.413
3.771
4,470
3,721
0,224
2.758
4.116
4,879
4,061
0,205
3.103
4.461
5,288
4,401
0,189
3.447
5.150
6,105
5,082
0,164
4.137
5.840
6,922
5,762
0,144
4.826
6.529
7,739
6,442
0,129
5.516
7.219
8,557
7,122
0,117
6.205
7.908
9,374
7,802
0,107
6.895
9.632
11,417
9,503
0,088
8.618
13,460
11,204
0,074
10.342 11.356
15,504
12,905
0,065
12.066 13.079
17,547
14,605
0,057
13.790 14.803
21,633
18,007
0,046
17.237 18.250
25,719
21,408
0,039
20.684 21.698
28.593
33,892
28,211
0,030
27.579
42,065
35,014
0,024
34.474 35.487
Tabla 28. Efecto de la presin en el aire (condicin bsica de 21,1C de aire seco al
nivel del mar y presin baromtrica 1.013hPa)

157

Desarrollo de la Propuesta
Temp.
C
-51
-40
-34
-29
-23
-18
-7
4
16
21
27
32
38
43
49
54
60
66
71
77
82
88
93
99
104
110
116
121
127
132
138
143
149
154
160
166
171
177
182
188
193
199
204
210
216
221
227
232
238
243
249
254
260
266

Ratio
Temp.
Absol.
0,755
0,793
0,811
0,830
0,849
0,868
0,906
1,019
0,981
1,000
0,943
1,038
1,057
1,075
1,094
1,113
1,132
1,151
1,170
1,189
1,208
1,226
1,245
1,264
1,283
1,302
1,321
1,340
1,358
1,377
1,396
1,415
1,434
1,453
1,472
1,491
1,509
1,528
1,547
1,566
1,585
1,604
1,623
1,642
1,660
1,679
1,698
1,717
1,736
1,755
1,774
1,792
1,811
1,830

Densidad
Kg/m3

Densidad
Especfica

1,592
1,516
1,481
1,447
1,415
1,384
1,326
1,179
1,224
1,201
1,179
1,158
1,137
1,117
1,098
1,079
1,061
1,044
1,027
1,011
0,995
0,980
0,965
0,950
0,936
0,923
0,910
0,897
0,884
0,872
0,861
0,849
0,838
0,827
0,816
0,806
0,796
0,786
0,777
0,767
0,758
0,749
0,740
0,732
0,724
0,715
0,708
0,700
0,692
0,685
0,677
0,670
0,663
0,656

1,325
1,262
1,233
1,205
1,178
1,152
1,104
0,981
1,019
1,000
1,060
0,964
0,946
0,930
0,914
0,898
0,883
0,869
0,855
0,841
0,828
0,815
0,803
0,791
0,779
0,768
0,757
0,747
0,736
0,726
0,716
0,707
0,697
0,688
0,679
0,671
0,663
0,654
0,646
0,639
0,631
0,623
0,616
0,609
0,602
0,595
0,589
0,582
0,576
0,570
0,564
0,558
0,552
0,546

Volumen
Especfico
m3/kg
0,628
0,660
0,675
0,691
0,707
0,722
0,754
0,848
0,817
0,832
0,848
0,864
0,880
0,895
0,911
0,927
0,942
0,958
0,974
0,989
1,005
1,021
1,036
1,052
1,068
1,084
1,099
1,115
1,131
1,147
1,162
1,178
1,194
1,209
1,225
1,241
1,256
1,272
1,288
1,304
1,319
1,335
1,351
1,366
1,382
1,398
1,413
1,429
1,445
1,461
1,476
1,492
1,508
1,523

Temp.
C
271
277
282
288
293
299
304
310
316
321
327
332
338
343
349
354
360
366
371
377
382
388
393
399
404
410
416
421
427
441
454
468
482
496
510
524
538
552
566
593
621
649
677
704
732
760
816
871
927
982
1.038
1.093
1.149
1.204

Ratio
Temp.
Absol.
1,849
1,868
1,887
1,906
1,925
1,943
1,962
1,981
2,000
2,019
2,038
2,057
2,075
2,094
2,113
2,132
2,151
2,170
2,189
2,208
2,226
2,245
2,264
2,283
2,302
2,321
2,340
2,358
2,377
2,425
2,472
2,519
2,566
2,613
2,660
2,708
2,755
2,802
2,849
2,943
3,033
3,132
3,226
3,321
3,415
3,509
3,698
3,887
4,075
4,264
4,453
4,642
4,830
5,019

Densidad
Kg/m3

Densidad
Especfica

0,650
0,643
0,637
0,630
0,624
0,618
0,612
0,606
0,601
0,595
0,590
0,584
0,579
0,574
0,568
0,564
0,559
0,554
0,549
0,544
0,540
0,535
0,531
0,526
0,522
0,518
0,514
0,509
0,505
0,495
0,486
0,477
0,468
0,460
0,452
0,444
0,436
0,429
0,420
0,408
0,395
0,384
0,372
0,362
0,352
0,342
0,325
0,309
0,295
0,282
0,270
0,259
0,249
0,239

0,541
0,535
0,530
0,525
0,520
0,515
0,510
0,505
0,500
0,495
0,491
0,486
0,482
0,477
0,473
0,469
0,465
0,461
0,457
0,453
0,449
0,445
0,442
0,438
0,434
0,431
0,427
0,424
0,421
0,412
0,405
0,397
0,390
0,383
0,376
0,369
0,363
0,357
0,350
0,340
0,329
0,319
0,310
0,301
0,293
0,285
0,270
0,257
0,245
0,235
0,225
0,215
0,207
0,199

Volumen
Especfico
m3/kg
1,539
1,555
1,571
1,586
1,602
1,618
1,633
1,649
1,665
1,680
1,696
1,712
1,727
1,743
1,759
1,775
1,790
1,806
1,822
1,838
1,853
1,869
1,884
1,900
1,916
1,932
1,947
1,963
1,979
2,018
2,058
2,096
2,136
2,175
2,215
2,254
2,293
2,332
2,380
2,450
2,528
2,607
2,685
2,764
2,843
2,921
3,078
3,235
3,393
3,549
3,707
3,863
4,020
4,179

Tabla 29. Efecto de la temperatura en el aire (condicin bsica de 21,1C de aire seco
al nivel del mar y presin baromtrica 1.013hPa)

158

Desarrollo de la Propuesta
Altura Presin Densidad Densidad Volumen
m
hPa
Kg/m3
Relativa Especfico
m3/kg
1,201
1,000
0,832
0 1.013
993
1,180
0,980
0,848
152
979
1,159
0,960
0,863
305
958
1,137
0,950
0,879
457
945
1,117
0,930
0,895
610
924
1,097
0,910
0,912
762
910
1,076
0,900
0,929
914
889
1,057
0,880
0,946
1.067
876
1,038
0,860
0,964
1.219
862
1,018
0,850
0,982
1.372
841
0,999
0,830
1,001
1.524
827
0,981
0,820
1,019
1.676
814
0,963
0,800
1,039
1.829
800
0,945
0,790
1,058
1.981
779
0,927
0,770
1,079
2.134
765
0,910
0,760
1,099
2.286
752
0,892
0,740
1,121
2.438
738
0,875
0,730
1,142
2.591
724
0,858
0,710
1,165
2.743
710
0,842
0,700
1,187
2.896
696
0,826
0,690
1,210
3.048
572
0,678
0,560
1,475
4.572
466
0,552
0,460
1,811
6.096
Tabla 30. Efecto de la altura en el aire (condicin bsica de 21,1C de aire seco al
nivel del mar y presin baromtrica 1.013hPa)
Las propiedades calorficas del gas natural utilizado se pueden seguir en la Tabla 31,
Tabla 32 y Tabla 33.
Tipo de Gas

Gas agua
carburatada
Mezcla agua y
horno de coque
Horno de coque
Natural
Natural
Natural

Cont.
kJ

Dens.
Relat.

Dens.
Relat.

0,65

Mez.Equiv.
Butano /aire
kJ
747

546
559

0,46

918

1,25

622
950
1.108
1.203

0,42
0,56
0,60
0,65

1.116
1.456
1.635
1.772

1,31
1,41
1,46
1,50

1,20

Tabla 31. Equivalencia en kJ de la mezcla butano-aire

159

Desarrollo de la Propuesta
Composicin y caractersticas
Gas de Libia Gas de Argelia
85,97
91,88
Metano CH4 (%Vol.)
12,88
6,78
Etano C2H6 (%Vol.)
0,37
0,64
Propano C3H8 (%Vol.)
0,05
0,09
Butanos C4H10 (%Vol.)
Pentanos C5H12 (%Vol.)
Hexanos C6H14 (%Vol.)
Dixido de carbono CO2 (%Vol.)
0,75
0,61
Nitrgeno N2 (%Vol.)
10.462
10.084
PCS (Kcal/Nm3 )
9.468
9.088
PCI (Kcal/Nm3 )
3
0,81
0,77
Peso especfico (Kg/Nm )
0,63
0,60
Densidad relativa
3
3
1,13
1,08
CO2 total en humos (m /m gas)
8,32
8,02
N2 total en humos (m3/m3 gas)
3
3
9,45
9,09
Volumen tot. humos secos (m /m gas)
13.230
13.037
ndice de Wobbe
Tabla 32. Propiedades calorficas del gas natural

kJ/m3
de la
mezcla

119.229
117.366
115.503
113.640
111.777
109.914
108.051
106.188
104.325
102.462
100.599
98.736
96.873
95.010
93.147
91.284
89.421
87.559
85.696
83.833
81.970
80.107
78.244
76.381
74.518
72.655
70.792

MEZCLA BUTANO/AIRE
Porce
Porce
Porcent Densid
ntaje
ntaje
aje de
ad
de
de
Oxgeno Relativ
Propa
Aire
por Vol.
a de la
no por
por
(Orsat)
mezcla
Vol.
Vol.

100,00
0,00
0,000
1,523
98,04
1,96
0,409
1,513
96,08
3,92
0,819
1,502
94,12
5,88
1,288
1,492
92,16
7,84
1,639
1,482
90,19
9,81
2,050
1,472
88,24
11,76
2,458
1,461
86,27
13,73
2,869
1,451
84,31
15,69
3,279
1,441
82,35
17,65
3,688
1,431
80,39
19,61
4,098
1,420
78,43
21,56
4,506
1,410
76,47
23,53
4,918
1,400
74,51
25,49
5,317
1,390

MEZCLA BUTANO/AIRE
Porcent Porcent Porcent
aje de
aje de
aje de
Butano
Aire por Oxgeno
por Vol.
Vol.
por Vol.
(Orsat)
100,00
98,44
96,88
95,32
93,75
92,20
90,62
89,08
87,51
85,95
84,38
82,82
81,25
79,70
78,18
76,58
75,00
73,44
71,86
70,30
68,79
67,20
65,63
64,09
62,52
60,96
59,38

0,00
1,56
3,12
4,68
6,25
7,80
9,38
10,92
12,49
14,05
15,62
17,18
18,75
20,30
21,82
23,42
25,00
26,56
28,14
29,70
31,21
32,80
34,37
35,91
37,48
39,04
40,62

0,000
0,328
0,656
0,984
1,312
1,643
1,967
2,297
2,625
2,953
3,280
3,612
3,935
4,268
4,590
4,921
5,249
5,576
5,899
6,238
6,561
6,889
7,219
7,548
7,869
8,200
8,542

Densid
ad
Relativ
a de la
mezcla
1,950
1,935
1,920
1,905
1,891
1,875
1,861
1,846
1,831
1,817
1,802
1,786
1,771
1,755
1,744
1,728
1,712
1,698
1,683
1,668
1,653
1,638
1,623
1,608
1,593
1,579
1,564

160

Desarrollo de la Propuesta

68.929
67.066
65.203
63.340
61.477
59.614
57.751
55.888
54.025
52.163
50.300
48.437
46.574
44.711
42.848
40.985
39.122
37.259
35.396
33.533
31.670
29.807
27.944
26.081
24.218
22.355
20.492
18.629
16.767
14.904
13.041
11.178
9.315
7.452
5.589
3.726

72,55
70,58
68,62
66,67
64,70
62,74
60,78
58,82
56,86
54,90
52,94
50,98
49,02
47,06
45,09
43,13
41,17
39,21
37,25
35,29
33,33
31,37
29,41
27,45
25,49
23,53
21,56
19,61
17,65
15,69
13,73
11,76
9,80
7,84
5,88
3,92

MEZCLA BUTANO/AIRE
27,45
5,737
1,379
29,42
6,149
1,369
31,38
6,558
1,359
33,33
6,964
1,349
35,30
7,378
1,338
37,26
7,787
1,328
39,22
8,197
1,318
41,18
8,606
1,308
43,14
9,016
1,297
45,10
9,246
1,287
47,06
9,835
1,277
49,02
10,245
1,267
50,98
10,654
1,256
52,94
11,064
1,246
54,91
11,476
1,236
56,87
11,886
1,226
58,83
12,295
1,215
60,79
12,705
1,205
62,75
13,115
1,195
64,71
13,524
1,185
66,67
13,934
1,174
68,63
14,344
1,164
70,59
14,753
1,154
72,55
15,163
1,114
74,51
15,573
1,133
76,47
15,982
1,123
78,44
16,394
1,113
80,39
16,892
1,103
82,35
17,211
1,092
84,31
17,621
1,082
86,27
18,031
1,072
88,24
18,442
1,062
90,20
18,852
1,051
92,16
19,261
1,041
94,12
19,670
1,031
96,08
20,081
1,021

57,87
56,25
54,69
53,17
51,60
50,00
48,50
46,92
45,35
43,75
42,22
40,60
39,09
37,50
35,92
34,38
32,80
31,25
29,75
28,20
26,55
25,00
23,50
21,88
20,38
18,75
17,25
15,63
14,13
12,50
11,00
9,38
7,75
6,25
4,75
3,13

MEZCLA BUTANO/AIRE
42,13
8,868
43,75
9,162
45,31
9,500
46,83
9,850
48,40
10,180
50,00
10,488
51,50
10,817
53,08
11,130
54,65
11,490
56,25
11,810
57,78
12,130
59,40
12,481
60,91
12,795
62,50
13,137
64,08
13,462
65,62
13,787
67,21
14,100
68,75
14,412
70,25
14,775
71,80
15,100
73,45
15,425
75,00
15,712
76,50
16,081
78,12
16,400
79,62
16,750
81,25
17,081
82,75
17,412
84,37
17,712
85,87
18,081
87,50
18,375
89,00
18,687
90,62
19,031
92,25
19,313
93,75
19,687
95,25
20,000
96,87
20,342

1,550
1,535
1,520
1,505
1,490
1,475
1,461
1,446
1,431
1,416
1,401
1,386
1,371
1,356
1,340
1,326
1,312
1,296
1,282
1,266
1,252
1,237
1,223
1,206
1,194
1,178
1,163
1,148
1,135
1,120
1,105
1,089
1,074
1,059
1,045
1,029

Tabla 33. Especificaciones de la mezcla gas y aire


En los siguientes prrafos analizaremos la transferencia de calos en el equipo
quemador. El ajuste para la optimizacin de un quemador de gas es complejo. Hay
muchos elementos que determinan u transferencia de calor: tasas de produccin,
dimensiones del horno, aislamiento, etc. Un balance de calor consiste en calcular los
requisitos de carga de calor y la adicin de las prdidas a los mismos para determinar
la entrada de calor necesaria.
Los trminos utilizados en el clculo del balance trmico (Figura 75) y sus definiciones,
son:
-

Entrada de calor bruto: cantidad total de calor consumido por el quemador. Es


igual a la cantidad de combustible quemado multiplicado por su poder
calorfico.

161

Desarrollo de la Propuesta
-

Calor disponible: calor que est disponible para el horno y su carga de trabajo.
Sern igual a la entrada bruta menos las prdidas por los gases de
combustin.
Prdidas por los gases de combustin: calor contenido en los gases de
combustin a medida que salen del horno.
Calor almacenado: calor absorbido por los componentes de aislamiento y
estructurales de la caldera o el horno para elevarlos a la temperatura de
funcionamiento. Este calor acumulado se convierte en una prdida cada vez
que se enfra el quemador, porque tiene que ser remplazado en el siguiente
arranque. La acumulacin de calor por lo general puede ser ignorada en
condiciones de poca variacin de temperatura, fuera de ciclos de arranque y
paro.
Prdidas en la pared: calor conducido a travs de las paredes, el techo y el
piso del horno debido a la diferencia de temperatura entre el interior y exterior
(Tabla 34 y Tabla 35). A una temperatura constante, las prdidas de pared
permanecern constantes, independientemente de la tasa de produccin.
Prdidas por radiacin (Figura 76): las prdidas de calor del horno por calor
radiante se escapan a travs de aberturas en las paredes, puertas, etc.
Las prdidas de transporte de calor: que est almacenado en dispositivos de
transporte tales como elementos del horno, cintas transportadoras, etc. y que
se pierde cuando la cinta transportadora calentada se retira del horno.
La produccin neta: Es el calor que finalmente llega al producto en el horno.

Gases
Combustin
Prdida en Pared

Prdida por radiacin

Entrada
Calor
Bruto

Produccin Neta
(calor a carga)

Calor disponible
Calor
Almacenado

Prdidas de
transporte
Figura 75. Balance trmico en un quemador de gas
Clculos de transferencia de calor para un quemador

162

Desarrollo de la Propuesta

donde:
Calor de carga

Densidad
(kg/m3 a
15,5C)
Yeso
Cemento refractario
KILOCALOR K-1025

2.323
2.403

Calor
especfico
(kJ/kg a
15,5C)
1,084
1,507

Punto de
fusin (C)

1.360
-

Tabla 34. Propiedades trmicas de los materiales que intervienen en la transferencia


de calor
Prdidas de pared

Temperatura cara caliente (C)


Temperatura cara fra (C)
Calor perdido (kJ/h)
Calor almacenado (kJ/h)

982,2
221,1
1,372
15,636

Tabla 35. Propiedades trmicas del material KILOKALOR K-1025 aplicado en una
capa de 114,3mm
Prdidas de calor por radiacin:

Normalmente se asume un factor de forma de 1.

Prdidas por transporte:


Se tratarn estas prdidas como como si fueran una carga del horno.

163

Desarrollo de la Propuesta

Figura 76. Radiacin del cuerpo negro


Otro aspecto importante para el ajuste del quemador es el anlisis de la emisin de
gases (humos) del mismo.
Parmetros a conocer de proceso
-

Flujo de caudal de humos, scfm o acfm. (Si se usa acfm, se deber especificar
la temperatura a la cual se mide el flujo. Es necesario conocer el flujo mximo y
mnimo.
Temperatura de los humos a la entrada del quemador en las tasas de flujo
mximo y mnimo.
Contenido de oxgeno de los gases.
Cantidad de partculas u otro material no voltil en la corriente de gases.
Temperatura de incineracin requerida, por lo general de 650-815C para
aplicaciones en anhidrita
Tiempo de residencia requerido en la cmara de combustin, por lo general, de
0,3 a 0,7 segundos.

164

Desarrollo de la Propuesta
Tipo de quemador:
Existen dos tipos bsicos de quemadores. Los quemadores de gas crudo, que
obtienen su aire de combustin de la corriente de gases entrante, y los quemadores de
aire fresco, que lo obtienen de una fuente externa.
Los quemadores de gas en bruto permiten una mayor eficiencia de combustin, pero
no pueden ser utilizados en todas las condiciones de operacin. La Tabla 36 da
algunas pautas generales para la seleccin del quemador.

Factor de seleccin
Contenido de O2
18-21%
emitido en humos
13-18%
<13%
Temperatura de
>593C
aire entrante
<593C
N de partculas no
No
voltiles en humos
Bajo
Alto

Gas Crudo
SI
Depende
NO
Depende
NO
SI
Posiblemente
Comprobar

Aire fresco
SI
SI
SI
SI
SI
SI
SI
SI

Tabla 36. Seleccin de un quemador


Clculo de la entrada del quemador
Para los quemadores de gas en bruto, se usa el grfico de la Figura 77. Para los
quemadores de aire fresco se usar el de la Figura 78.

Figura 77. Requisitos trmicos para un quemador de gas en bruto

165

Desarrollo de la Propuesta
Si el quemador usara parte de su aire de combustin procedente de la corriente de
humos y el resto de una fuente externa, la entrada de calor se puede evaluar con la
frmula:

Donde
ser la entrada de calor con 100% de aire fresco en kJ/h y
calor en condiciones actuales

la entrada de

Figura 78. Requisitos trmicos para un quemador de aire fresco


Dimensionamiento de placas de perfil
Si el quemador es del tipo que se coloca dentro del conducto de humos, tendr que
estar rodeado por una placa de perfil. Los humos son forzados a pasar a travs de la
espacio entre la placa de perfil y el quemador, asegurando que se mezclan
completamente con la llama del quemador.
Para calcular el tamao de la brecha de perfil, se necesita saber:
-

La temperatura de la corriente de los gases que pasan sobre el quemador,


La cada de presin de la corriente de humos necesaria a travs de la brecha a
favor de perfil tal como se ha visto en la parte anterior de seleccin de perfiles.

166

Desarrollo de la Propuesta

Combustin de gas con exceso de aire:


El grafico de la Figura 79 calcula las curvas para el gas natural en diferentes
condiciones de exceso de aire.

Figura 79. Comportamiento de los componentes de los gases de combustin del gas
natural frente al exceso de aire (%)
Precalentamiento de aire:
Tanto la entrada de aire caliente y el enriquecimiento del mismo en oxgeno aumentan
la temperatura terica de llama de un quemador. Los grficos de la Figura 80 y Figura
81 muestran el efecto de la temperatura terica de llama de gas natural en la variacin
de estos parmetros

Figura 80. Temperatura terica de llama vs Precalentamiento

167

Desarrollo de la Propuesta

Figura 81. Temperatura terica de llama vs el porcentaje de O2 del aire

3.1.3 Proceso de fabricacin de anhidrita


A continuacin se realiza un anlisis ms detallado del que se avanz en el estado del
arte sobre el proceso seguido para la fabricacin de anhidrita en el contexto de una
planta de fabricacin de yeso. La Figura 82 muestra el proceso completo.

168

Desarrollo de la Propuesta

Materias Primas
procedentes de
cantera

CANTERA

Mineral de
escayola

Mineral de yeso

Venta de
mineral

CALCINACIN

ESCAYOLA

SEMIHIDRATO

ANHIDRITA

Semielaborado
a granel

MEZCLA
AADE ADITIVOS

ENSACADO

PALETIZADO

ENFUNDADO

Producto
mezclado a
granel

Producto
ensacado y
paletizado

Producteo
ensacado y
paletitzado con
funda opcional

Figura 82. Esquema de proceso de una planta de fabricacin de yeso en polvo

169

Desarrollo de la Propuesta
3.1.3.1 Proceso de entrada de material y molienda primaria
El principal objetivo ser el de controlar el mineral procedente de cantera y poder
asegurar as la calidad de la materia prima del proceso de produccin.
El proceso empieza en la recepcin del mineral procedente de cantera a una
granulometra no apta para la alimentacin del horno. A continuacin se alimenta un
molino de forma controlada. Este tiene como misin moler y adecuar la granulometra
del mineral a la de entrada al horno. Una vez triturado, mediante cintas y elevadores
se transporta el mineral a los silos de entrada al horno.
Se considera parmetro de control, la riqueza en Ca (SO4)2 H2O, cuyo valor optimo se
especificar en las condiciones de calidad del material en crudo.
Se consideran equipos e instalaciones asociados a este proceso:
-

Alimentador: Elemento mecnico que a travs de un movimiento alimenta al


molino (Figura 83).
Silos: Elemento para almacenar.
Cintas: Elementos de transporte horizontal o inclinado de mineral.
Elevadores varios: Elementos de transporte vertical de mineral.
Molino: Elemento mecnico que disminuye el tamao de partcula de la salida
respecto al de la entrada (Figura 84).

Figura 83. Vista de la tolva de material de entrada al proceso

170

Desarrollo de la Propuesta

Figura 84. Vista de molino primario de yeso

En el laboratorio se analiza la perdida de agua de cristalizacin y la granulometra del


mineral, con la periodicidad y tolerancias indicadas en las condiciones de calidad del
material en crudo.
Definimos:
-

Estriles: Presencia de objetos que no son mineral. Ej. : Plsticos, arcillas e


otros.
Granulometra: Tamao del grano del mineral una vez machacado.
Stock: Producto que se guarda para posterior utilizacin.

El esquema completo del proceso se aprecia en la Figura 85, con la siguiente


anotacin:
1. El mineral de yeso seleccionado en cantera, llega a fbrica en un tamao de 020 cm. Se vaca en una tolva en fbrica para entrar en la molienda saliendo el
mineral a tamao 0-1,5 cm. El mineral sube por unas cintas hasta una serie de
6 silos agrupados en 2 secciones de tres silos cada una.

171

Desarrollo de la Propuesta
CAMIONERO

LABORATORIO

OPERARIO DE MOLIENDA

CANTERA

LLEGADA DEL MINERAL DE


YESO

PARTE DIARIO
DE ENTREGA DE
MINERAL

LA TOLVA ESTA
LLENA?
NO

VOLCADO DEL MINERAL


EN LA TOLVA

REGISTRO
GENERADO

SI

UTILIZAR LOS EPI`S DEFINIDOS


PARA EL PUESTO

VOLCADO DEL
MINERAL EN LA
RESERVA

MOLIENDA DEL MINERAL

TOMA DE MUESTRAS (3 VECES


POR DIA) PARA CONTROL DE
GRANULOMETRIA Y PUREZA

LOS
RESULTADOS SON

SI
N
CONTROL VISUAL GRANULOMETRIA

SI EL AGUA
COMBINADA DA MAL SE
INFORMA A CANTERA

SE CAMBIA EL PORCENTAJE DE
MEZCLA PARA DAR MAYOR PUREZA.

PARTE DE
LABORATORIO
DE LA MUESTRA
DE LA MOLIENDA

INFORMAR A MANTENIMIENTO PARA


REPARACIN

LA INTENSIDAD
DEL MOTOR DEL
MOLINO ES LA

SI

MODIFICAR LA FRECUENCIA
(VELOCIDAD DE GIRO

LLENAR LOS SILOS DE YESO CRUDO

Figura 85. Proceso y registros molienda primaria de yeso


3.1.3.2 Proceso de calcinacin del mineral de anhidrita
El objetivo es el de obtener una buena coccin del mineral para la fabricacin de
anhidrita y asegurar la calidad del producto semielaborado

172

Desarrollo de la Propuesta

Figura 86. Vista general de un horno de anhidrita

El proceso empieza a la salida de los silos de stock de mineral. Mediante cintas y


elevadores se transporta a la entrada del horno donde el mineral entra de forma
controlada. El mineral se deshidrata para obtener la anhidrita o el semihidrato. Se
recoge el producto calcinado a la salida del horno (Figura 86) mediante sinfines que lo
transportan hasta un elevador que alimenta a los silos de stock de producto calcinado.
Se considera parmetro crtico del proceso la temperatura que alcanza el material en
el horno y que coincide con la temperatura de cada al tercer tubo en los hornos de
anhidrita. Estas temperaturas crticas se especificaran en las normas de control de
calcinacin.
Otros parmetros de fabricacin son la temperatura de gases a la entrada del filtro,
temperatura de refractario en el hogar (Figura 87), caudal de gas, caudal de salida de
aire y caudal alimentacin de hornos.
Los equipos de trabajo sern:
-

Silos: Elemento para almacenar.


Cintas: Elementos de transporte horizontal o inclinado de mineral.
Elevadores varios: Elementos de transporte vertical de mineral.
Sinfines: Elemento de transporte del producto a T elevadas.
Horno: Elemento mecnico destinado a la deshidratacin del mineral de yeso.
Horno de coccin directa a contracorriente. Horno de tres tubos concntricos
donde el material circula a contracorriente con respeto a los gases de
calcinacin en los internos, mientras que en el tercero es de enfriamiento sin
circulacin de aire. Ver el captulo dedicado al funcionamiento del horno.

173

Desarrollo de la Propuesta

Figura 87. Vista de la cmara de combustin de un horno de anhidrita

La temperatura mxima del material se obtiene a travs de un termopar fijo situado en


este punto, indicando en cada momento la T del producto. La frecuencia y registro de
la T de los hornos se indica en las condiciones de control de calidad.
Los dems parmetros de control ayudan al correcto funcionamiento del horno (caudal
de gas, caudal de salida de aire y caudal alimentacin del horno) o a la seguridad de
este. (T filtro, T refractario).
El esquema completo del proceso se aprecia en la Figura 88, con las siguientes
anotaciones:
1. El horno se alimenta del mineral existente en 6 silos de 100 Tm de capacidad.
La mezcla de los silos que seleccione el hornero se hace de forma temporizada
extrayendo un tiempo determinado de cada uno de los silos seleccionados para
la carga.
2. El horno lo gobierna el hornero de forma que la temperatura de consigna a la
salida del horno es de 550, variando parmetros de alimentacin de mineral,
de entrada de aire y de caudal de gas aportado al horno.
3. Una vez salida la anhidrita se une la produccin de ambos para ser enviada
directamente al circuito de molienda.
4. Se prioriza el silo con menor cantidad de material. Y se cambia de silo por los
siguientes motivos:
- Por llenado del silo en curso.
- Si el silo contrario se queda vaco.

174

Desarrollo de la Propuesta
MAQUINA-PROCESO

HORNERO

LABORATORIO

REGISTRO
GENERADO

1
SILOS DE YESO CRUDO
SE ALIMENTA EL HORNO

1
2

LA
TEMPERATURA DE
SALIDA DEL
HORNO ES LA

N
ENVIAR A RECHAZO Y DOSIFICAR EN YESO

PARTE DE
PRODUCCIN
FR-A-200

SE GENERAN
EMISIONES
SE GENERAN
ACEITES

SI

CRIBADO 1,11 m m

EL MATERIAL TIENE LA
GRANULOMETRA
CORRECTA?

SI

4
N
MOLIENDA

ENTRA EN ENFRIADOR

PARTE MINERAL /
HORNOS
ANHIDRITA
ICP-A-001

SE TOMAN MUESTRAS, PARA COMPROBAR EL NO FRAGUADO Y


GRANULOMETRIA

SI

LOS
RESULTADO
S SON
BUENOS?

N
ENTRA EN SILOS DE

SELECCIN SILO
DESTINO

SE ENVIA A DOSIFICACIN
EN YESO

EL MATERIAL ENTRA EN SILOS DE


STOCK

Figura 88. Proceso y registros molienda primaria de yeso


Las premisas indispensables en circuito de molienda de anhidrita son:

175

Desarrollo de la Propuesta
-

En el circuito de molienda siempre ha de estar en marcha una criba y uno de


los dos molinos. Ha de tenerse en cuenta el sentido de giro del sinfn
intermedio, que tiene doble sentido de giro, para que se alimente
correctamente al molino elegido. Cuando se elija un molino alineado con la
criba no se deber poner en marcha la rosca.

En los paros del circuito por cualquier motivo se tendr siempre en cuenta lo
siguiente:
o La primera es la fraccin mezcla fino-grueso va desde la salida de los
hornos hasta la divisin en la criba.
o La segunda es la fraccin fina.
o La tercera es la fraccin gruesa.

Para el arranque del horno de anhidrita:


El yeso de la cantera es un mineral que tiene asociado un % de agua que vara entre
18.5 / 20.0 %. Cuando este mineral se calienta a cierta temperatura pierde parte o
totalmente el agua de cristalizacin dependiendo de la temperatura a la que llega el
material (Tabla 37). Estas formas deshidratadas son las que interesan.
Frmula
T aproximada del
material
% agua asociada al
producto

SO4 Ca
520 - 560C
0.0%

Tabla 37. Propiedades de la deshidratacin de la anhidrita


Como ya se ha dicho, el horno es el elemento mecnico donde se calcina el mineral
de yeso procedente de cantera y donde se realiza la deshidratacin.
Los parmetros de control para una buena calcinacin son:
-

El caudal de yeso que entra en el horno se controla con el reductor de la cinta


alimentadora.
El caudal de aire que circula por el horno se controla con la vlvula que hay en
el circuito de aspiracin. (Manual)
Caudal de gas. Controlado con una electrovlvula instalada en el quemador.
Temperatura del material a la salida del horno o a la cada del 2o al 3er tubo.
Temperatura del aire a la entrada del filtro.
Temperatura del refractario.

Cuando el horno llega a rgimen de trabajo, los parmetros quedan fijos en un punto
ptimo y que al ser siempre el mismo ya estn anotados y/o marcados en los puntos
de manipulacin de cada uno de ellos.
El esquema del arranque del horno se puede ver en la Figura 90, con las siguientes
anotaciones:
1. El cuadro de dilogo del programa tiene todas las pestaas de las diferentes
fases de trabajo, de posicionamiento de trabajo de los silos pulmn (Bypass,
Sincronizado o coincidente), de seleccin del molino de trabajo y de parada o
puesta en marcha del circuito de molienda en tres colores diferentes:

176

Desarrollo de la Propuesta
o
o
o

Color Rosa: es el color de los botones activos y que se pueden


seleccionar.
Color Verde: es el color de trabajo en el momento actual.
Color Negro: es el color de los botones no activos y que no pueden
seleccionarse.

2. Cuando se accede a esta fase se estn preparando todos los elementos para
la puesta en marcha del horno. El programa habilita el silo de mineral que
alimenta al horno para su llenado, con lo que todos los elementos anteriores al
silo se van a poner en marcha para el trasiego de mineral de los silos
exteriores hacia el silo que alimenta al horno. El programa tambin permite la
seleccin del molino (Slo va a funcionar uno) y de la criba (Slo va a funcionar
una) que van a trabajar, as como activa las dos formas de puesta en marcha
del circuito de molienda: directo a rechazo y hacia silo pulmn. El hornero en
esta fase debe seleccionar primeramente el molino y la criba para que el
programa posicione correctamente el sentido de giro de la rosca intermedia
entre molinos y criba en la puesta en marcha del circuito de molienda. En
segundo lugar ha de elegir una de las dos formas activas de puesta en marcha
recomendndose siempre la puesta en marcha de forma directa a rechazo. En
este momento debe pasar a la siguiente fase, Fase 1: Calentamiento de
mangas.
3. El programa pone en marcha el filtro (Slo el ventilador de filtro y la expulsin
de las mangas) y da permiso para que se encienda el quemador.
4. El hornero, despus de que se haya puesto en marcha el ventilador, abre la
vlvula del filtro hasta un 50 % de la posicin habitual de trabajo, enciende el
quemador de gas y cuando este se ha encendido correctamente, abre paso de
gas hasta 100 % de la posicin normal de trabajo. En estas condiciones se
queda hasta que la temperatura del refractario llega a 180 C momento en que
se da paso a la fase siguiente, Fase 2: estabilizacin mineral.
5. En esta fase el programa elige el destino de la anhidrita molida hacia el silo
rechazo y automticamente pone en marcha todos los elementos de transporte
desde este silo hasta llegar al horno. Por ltimo pone en marcha la cinta de
alimentacin de mineral al horno y el sinfn de salida de finos del filtro hacia el
horno.
6. El hornero mira que la aportacin de mineral al horno sea el mnimo posible
(Variador de la cinta de alimentacin a 0%), abre el paso de aire al filtro hasta
100 % de la posicin normal de trabajo y abre el paso de gas al quemador
hasta un 110 % de la posicin normal de trabajo.
7. Despus de unas 3 o 4 horas de funcionamiento en estas condiciones y con
diferentes pequeas modificaciones en el paso de gas, las diferentes
parmetros de control del horno se estabilizan (Temperatura de refractario,
temperaturas de mangas y temperatura del mineral 540/560 C). En este
momento el personal de laboratorio toma una muestra para analizar y dar el
OK al cambio; por el contrario si no hay personal de laboratorio se asegurar
dejando un mnimo de 30 minutos que la temperatura de la anhidrita sea
estable a 540/560 C para pasar a la Fase 3: trabajo.
El programa habilita la posibilidad de elegir destino
informndonos de que ya se puede escoger destino.

y da un aviso acstico

El hornero debe escoger el destino de la anhidrita tan pronto recibe el aviso acstico.
Tambin tiene la posibilidad de dar ms mineral a la entrada del horno teniendo en
cuenta que ello le obligar a pequeos retoques en el paso de gas.

177

Desarrollo de la Propuesta
Cosas a tener en cuenta en el cuadro de dilogo de la Figura 90:
-

Es muy importante que el hornero tenga en cuenta que el filtro ha de ponerse


en marcha con la vlvula de entrada de aire al filtro cerrada como medida de
proteccin de las correas del ventilador.
El silo pulmn es un silo cuyo destino se habilita de forma automtica cuando
hay un paro en alguno de los elementos del circuito de molienda entre este y el
silo final de destino para evitar el paro del horno. Es por ello que no se
recomienda el uso de este silo para otro menester que no sea un paro de
emergencia, un paro para el cambio de molino, un paro de criba o el paro de un
horno dejando el otro en marcha. Para un paro a voluntad (Los tres ltimos
casos), primero ha de girarse de forma manual la vlvula superior al silo.
El programa no permite volver hacia atrs en las diferentes fases ni saltarse
una de las fases, as se observa que siempre se tiene activa para seleccionar
la siguiente fase en la que se est trabajando y desactivas todas las dems.
El paro del circuito de molienda es independiente de la parada del horno, de
esta forma se podr trabajar slo con la molienda sin necesidad de poner en
marcha el horno. Lo nico que no se podr hacer es variar el destino de la
molienda, ya que por programa este ir hacia el silo de rechazo.
Cuando por cualquier motivo inesperado se pare todo el circuito de hornos y
molienda (Bajada de tensin en la corriente), y se apague el quemador, el
hornero ha de pasar de forma muy rpida todas las fases hasta la fase de
Parada de Horno dejando activa la Fase Previa-Seleccin Destino. Si no se
acta de esta forma cuando la tensin se recupera el programa vuelve a la fase
de trabajo, pero con el quemador parado.
En la fase previa de seleccin de destinos se puede seleccionar el molino y la
criba que van a trabajar (Figura 89). Para un cambio de molino o de criba
mientras se est en la fase de trabajo ha de pararse la molienda, y una vez
todo el circuito de molienda parado se activan todas las opciones de molinos,
seleccionar el nuevo molino y volver a poner en marcha la molienda.
El silo de rechazo tiene la misin de acumular la anhidrita de dudosa calidad
(Puesta en marcha y paradas del horno, salidas de rango de temperatura, etc.)
y que se incorpora de forma muy lenta junto con la anhidrita correcta.
La anhidrita que se acumula en el silo pulmn por causas concretas se
mezclara de forma gradual con el caudal de anhidrita buena o de calidad
activando la descarga y variando los tiempos de marcha y paro de la esclusa
de salida del silo.

Figura 89. Molinos de afino o secundarios para anhidrita

178

Desarrollo de la Propuesta

HORNERO

LABORATORIO

ARRANCAR HORNO

SI

PARADA
PROGRAMADA?

SELECCIN DESTINO FINAL DEL MOLINO


Y CRIBA

PONER EL FILTRO EN MARCHA CON LA


VALVULA CERRADA
3
ABRIR VALVULA 50%

SELECCIN DESTINO FINAL DEL MOLINO


Y CRIBA

PONER EL FILTRO EN MARCHA CON LA


VALVULA CERRADA

ABRIR VALVULA 100%

ENCENDER EL QUEMADOR HASTA LA


POSICIN NORMAL

ENCENDER EL QUEMADOR HASTA LA


POSICIN NORMAL

CALENTAR MANGAS HASTA 75C

CALENTAR MANGAS HASTA 75C

PONER EN MARCHA HORNO Y VACIADO


DEL FILTRO

PONER EN MARCHA HORNO Y VACIADO


DEL FILTRO

ALIMENTAR HORNO CON EL MINIMO


CAUDAL

ALIMENTAR HORNO CON EL MINIMO


CAUDAL

5
6

ABRIR PASO DE AIRE DE 50%-100% Y EL


GAS DE 100-110%

SE ESTABILIZAN LOS DIFERENTES PARMETROS DE CONTROL DEL HORNO(T MINERAL 540 /

560C,T DEL REFRACTARIO,TDE MANGAS)

HAY
DISPONIBILIDAD DE
PERSONAL DE
LABORATORIO?

SI

ENVIAR A PRODUCTO DE MATERIAL APTO


DEJANDO 30 min. QUE LA TANHIDRITA
SEA
ESTABLE A 540/560C

TOMA DE MUESTRAS

SI

RESULTADO
FRAGUADO
BUENO?

NO
SE ENVIA EL PRODUCTO AL SILO DE
MATERIAL APTO
SE INFORMA AL HORNERO
DE LA ANOMALIA

Figura 90. Proceso de arranque de un horno de anhidrita

179

Desarrollo de la Propuesta

3.1.4 Control de calidad en la fabricacin de anhidrita


En este apartado, se analizarn todos los controles de calidad referentes a la anhidrita
y a la piedra cruda antes de entrada a hornos (Figura 91).

Figura 91. Factores implicados en la calcinacin de la anhidrita

Los controles de calidad aplicados (Figura 92) y sus parmetros de control se resumen
en la Tabla 38.

Figura 92. Operario realizando registros de control de calidad en horno de anhidrita

180

Desarrollo de la Propuesta
Ud.
MP ENTRADA DE MINERAL
Granulometra
%>1 mm

Pureza mineral

% agua
combinad
a
% agua
combinad
a
PRODUCTO FINAL ANII
Grado calcinacin /
mmH2O
Reactividad de la AnII en probeta
/ % de AnIII
Es
Reactivo?
0/1
% agua
combinad
a 2
Granulometra An
%>0,2mm
salida de molino
>0,2mm
Granulometra salida
%>0,8mm
de molino >0,8mm
pH
Densidad

pH
Kg/m3

Control

Periodo

Objetivo

Admisible

Tamiz
manual
1mm
Estufa
microondas

1 mu./8h

30-60

30-60

1 mu./4h

17,5-19,9

>17

Analizador
halgeno

1 mu./4h

18,5-19,5

>18

Decantaci
n de agua
Decantaci
n de agua

1 mu./8h

3-8

3-8

1 mu./8h

Analizador
halgeno
20min
Tamiz
manual
0,2mm
Tamiz
manual
0,8mm
pHmetro
Vaso

1 mu./8h

0,3-0,6

0,2-0,8

1 mu./8h

22-26

20-30

1 mu./8h

1,5-3,0

0,5-4,0

1 mu./8h
1 mu./8h

9-11
900-1.000

8-12
850-1.050

Tabla 38. Ensayos y rango de control para la fabricacin de anhidrita


3.1.4.1 Determinacin de la humedad del mineral
Todo material tiene la caracterstica de absorber una cantidad de agua libre. La
determinacin de esta cantidad de agua es el principio del ensayo. Se realizar por
dos mtodos distintos.
Material de ensayo:
-

Estufa termosttica
Cpsulas o crisoles de porcelana
Balanza de 0,01 gr. de sensibilidad

Operativa
En una cpsula de porcelana se pesan 10 gr. de la muestra (P0). Se coloca la cpsula
en la estufa a la temperatura seleccionada y diferente para cada producto hasta peso
constante (aprox. 2 h.) Antes de volver a pesar (P1) la cpsula, se deja enfriar en un
desecador de gel de slice.
Se expresarn los resultados como la disminucin en peso, referida a 100 gr. de
muestra, expresa el tanto por ciento de humedad.

181

Desarrollo de la Propuesta

Se puede realizar el ensayo por un mtodo alternativo:


Material:
-

Estufa
Balanza de precisin.
Desecador.
Analizador de humedad.
Molino RETSCH
El propio de un laboratorio de qumica analtica.

Tratamiento de la muestra:
-

Tomar una muestra de 5 Kg de mineral de cantera


Moler la muestra con molino RETSCH y tamiz 0,5 mm.
Separar por cuarteos la cantidad de muestra a utilizar en el ensayo.

Mtodo operativo:
a) Utilizacin de estufa
-

De la muestra a ensayar, se separan 10 gr. (M1).


Se dispone en un recipiente adecuado, convenientemente extendida la muestra
en capa fina.
Se introduce en una estufa y se deseca a 42 3 C durante 2 horas.
Se enfra en desecador con gel de slice, pentxido de fsforo, etc.
Se pesa de nuevo (M2) gr.

El resultado referido a la muestra inicial se expresa como tanto por ciento en masa y
se calcula mediante la expresin:

3.1.4.2 Determinacin del agua combinada


EL objetivo del ensayo ser controlar la regularidad del mineral de partida mediante el
clculo del agua que est ligada a la estructura del yeso.
Se pueden diferenciar dos aguas: la primera ser la que se determine tan pronto llega
la muestra al laboratorio, mientras que la segunda agua combinada, se calcula
siempre despus de un tratamiento de la muestra.
Se usar el siguiente material:
-

Estufa / horno
Balanza de precisin.
Desecador.
Analizador de humedad.
El propio de un laboratorio de qumica analtica.

182

Desarrollo de la Propuesta
Para la determinacin del agua combinada primera, la muestra no necesita ningn
tratamiento.
Para la determinacin del agua combinada segunda, se diferenciarn:
a) Mineral de cantera o crudo
-

Mezclar y molturar la muestra.


Introducir la muestra en la estufa a 42 C 3 C durante 3 horas como mnimo.
Dejar enfriar la muestra en desecador con gel de slice, pentxido de fsforo,
etc.

b) Resto de muestras
-

Acondicionar la muestra a la temperatura del laboratorio durante 2 4 horas.


Introducir la muestra en la estufa a 42 C 3 C durante 12 horas mnimo.
Dejar enfriar la muestra en desecador con gel de slice, pentxido de fsforo,
etc.
En caso necesario, se molturar la muestra hasta tener un tamao de partcula
pulverulento.

El mtodo operativo seguido ser el siguiente:


a) Utilizacin del horno.
-

En un crisol de porcelana, previamente tarado, se coloca aproximadamente 1


gr de la muestra acondicionada segn el apartado anterior (M1).
Se introduce en un horno mufla, de regulacin automtica a 250 10C hasta
peso constante. Tambin se puede efectuar el ensayo introduciendo la muestra
en un horno mufla a 400 30C durante 1 hora.
Se saca el crisol y se deja enfriar en desecador con gel de slice, pentxido de
fsforo, etc. durante 30 minutos.
Una vez fro, se pesa (M2).

El resultado, referido a la muestra desecada, se expresa como tanto por ciento en


masa y se calcula mediante la expresin:

b) Utilizacin de analizadores halgenos.


Se programar el analizador halgeno a una temperatura de 42C 3C, hasta peso
constante (aproximadamente 2 horas).
Con la muestra molida, se realiza el ensayo de determinacin del agua combinada,
para lo cual:
-

Activar el analizador de humedad con la tecla "on/off".


Pulsar la tecla "Sacar/meter mdulo de la muestra", (), el modulo de la muestra
automtico sale accionado por el motor.
Colocar el plato porta-muestras vaco, directamente en el soporte.

183

Desarrollo de la Propuesta
-

Pulsar la tecla "Tarar/Poner a cero" (0/T). La balanza integrada se pone


as a cero.
Espolvorear la muestra sobre el porta-muestras (5 gramos aproximadamente).
El aparato posee una balanza integrada que indicar en cada momento el peso
de la muestra.
Pulsar la tecla "Start".
El mdulo de la muestra se introduce automticamente y el aparato inicia la
desecacin y medicin.
Durante la desecacin aparece continuamente el valor medio actual del
contenido en humedad, en tanto por ciento.
Tan pronto ha transcurrido el tiempo de desecacin elegido, suena una seal
acstica, seal de que el proceso de medida ha terminado y el mdulo de la
muestra sale automticamente. (por defecto el analizador de humedad
considera un tiempo de desecacin de 15 minutos a 200 C, pudiendo variarse,
si se especifica previamente otro tiempo de desecacin u otra temperatura).La
bscula de infrarrojos expresa directamente el resultado en % de prdida de
peso en el display y el resultado sale impreso.

La bscula de infrarrojos expresa directamente el resultado en % de prdida de peso


(agua combinada) en el display, y el resultado sale impreso.
3.1.4.3 Determinacin de la densidad
El objetivo del ensayo ser el de obtener la relacin entre el peso y el volumen de
muestra, ya sea slida, lquida o pasta.
Material usado:
-

Embudo de slidos de latn o acero inoxidable o vidrio segn Figura 93


Recipiente de 1 litro de capacidad, con su alza segn Figura 93.
Balanza de precisin con una exactitud de pesada de 1 gr.
Tamiz de 2 mm de luz de malla.
Esptula pequea de laboratorio, (150 mm x 20 mm aproximadamente).

El ensayo se realizar a la temperatura del laboratorio.


-

Se tara el recipiente de 1 litro de capacidad, sin su alza (M0).


Encima del recipiente de un litro se coloca el alza y el conjunto se coloca a su
vez debajo del embudo.
Se vierte el producto lentamente sobre un tamiz de 2 mm de luz que se
colocar sobre el embudo y se deja caer a travs del mismo sobre el
recipiente, con su alza.
Cuando el producto rebose del recipiente, se retira el alza.
Se elimina el exceso de producto mediante una esptula pequea de
laboratorio, enrasando la superficie del recipiente.
Se pesa el recipiente con el producto (M1).

184

Desarrollo de la Propuesta

Figura 93. Esquema de equipo para determinacin de la densidad de la anhidrita

La densidad aparente del polvo, expresada en gramos / litro (o kg/m3), ser:

donde:
M0 es la masa del recipiente, en gramos.
M1 es la masa del recipiente con el yeso, en gramos.
Se realizarn dos determinaciones. Si los resultados difieren en ms de un 5 % se
repetir el ensayo.
3.1.4.4 Determinacin del pH
Objetivo del ensayo
El objetivo del ensayo ser el realizar el anlisis de la concentracin de iones (H3O)+
de la mezcla de agua / muestra.
Material usado:
-

Vasos de precipitados de 250 ml


Probetas

185

Desarrollo de la Propuesta
-

pHmetro
Cronmetro
Varilla tipo hlice
Termmetro digital
Balanza de 1 gr. de precisin
Agitador magntico
Placa calefactora
Agitador de varilla con regulacin mecnica y en continuo de velocidad.

Se seguir el siguiente mtodo operativo:


-

Pesar 100 gr de muestra y 100 ml de agua.


Poner en marcha el cronmetro e inmediatamente verter la muestra, con la
ayuda de una cucharilla, al agua que se tiene en el vaso de precipitados.
Dejar humectar la muestra durante un minuto. Seguidamente mezclar
manualmente durante un minuto o hasta que no se note ni vea grumo alguno
en la pasta.
Cuando el cronmetro indique 5 minutos se sumergir el electrodo del pHmetro
en la muestra y se espera hasta que se estabilice el resultado del display del
pHmetro, momento que se da por terminado el ensayo.

El display del pHmetro marca el valor obtenido.


3.1.4.5 Determinacin de la granulometra
El objetivo del ensayo es el de realizar la clasificacin de una materia slida segn el
tamao de sus partculas.
Se usar el siguiente material:
-

Juego de tamices y plato de recogida.


Balanza de precisin 0,01 g mnimo.
Opcional Tamizadora electromagntica (Figura 94).
Opcional Tamizadora por barrido de aire (Figura 95)
Estufa

El ensayo se realizar a la temperatura del Laboratorio.


a) Tamizado En Seco.
1. Tamizado manual
-

Se colocan los tamices que se indiquen en la instruccin de control, Normativa,


especificaciones o peticin de ensayo, y el plato de recogida en orden
decreciente de acuerdo con el tamao o luz de malla para la materia prima
cuya distribucin granulomtrica se desea obtener.
Se pesan aproximadamente 100 gr. de muestra en polvo seca, (M0) en la
balanza de precisin.
Se vierte la muestra sobre el tamiz de mayor luz de malla.
Se toma el conjunto (tamices + plato) con las dos manos, de manera que su
posicin sea algo inclinada y se le imprime un movimiento de vaivn al mismo
tiempo que se va girando la torre, golpeando ligeramente los costados despus
de cada 50 sacudidas. Ver nota adjunta.

186

Desarrollo de la Propuesta
-

El tamizado se considera terminado si durante 1 minuto no pasan ms de 0,1


gr de producto al plato de recogida.
Se pesa el producto retenido (rechazo) en cada uno de los tamices. (M1, M2,...,
Mn).
Se pesa el producto retenido en el plato de recogida (Mplato)

2. Tamizado mediante tamizadora electromagntica.


Se sigue el orden descrito en los tres primeros puntos del apartado 1, y posteriormente
se procede de la siguiente forma:
-

La torre de tamices, se coloca sobre la tamizadora electromagntica. Figura 94


Se sujeta a las barras inoxidables de sujecin con ayuda de las tuercas de
sujecin rpida y la tapa que posee para dicho fin. Figura 94
Se selecciona un tiempo de 20 minutos con el cronmetro, pudindose variar el
mismo indicando el tiempo de vibracin utilizado en el correspondiente ensayo.
La capacidad de vibracin de la tamizadora se puede controlar con el regulador
de ampliacin de vibracin.
Una vez concluido el tiempo seleccionado la tamizadora se desconecta
automticamente.

Se contina el ensayo con los tres ltimos puntos del apartado 1.

Figura 94. Tamizadora electromagntica modelo TYLER ROTAP SS-36

3. Tamizado mediante tamizadora por barrido de aire.


Se proceder de la siguiente manera:
-

Tarar el tamiz seleccionado, en la balanza de precisin (T1).

187

Desarrollo de la Propuesta
-

Se pesan entre 20 y 50 gr. de la materia prima cuya granulometra se desea


conocer. (P0)
Se sita el tamiz con la materia prima en la tamizadora donde se acopla y se
asla mediante la tapa de metacrilato de la Figura 95.
Se programa el tiempo adecuado (2-3 minutos para tamices con luz de malla
superior a 30 m, y 8-10 minutos para tamices con luz de malla inferior) y se
pone en marcha el equipo que provoca la depresin y a su vez la entrada de
aire por el orificio segn la Figura 95 que al pasar a travs de la tobera que gira
por debajo a unos 3 mm del tapiz, provoca un barrido del producto y por lo
tanto el arrastre de la fraccin de polvo que pasa a travs de la luz de malla del
tamiz elegido.
Una vez finalizado el tiempo programado, la tamizadora se para.
Se pesa de nuevo el tamiz con el residuo del producto grueso. (P1).
Se calcula el rechazo en el tamiz (R1).
En el caso de que sea necesario controlar a diferentes tamaos de luz de malla
se debe iniciar el proceso con el tamiz ms fino (T1) e ir trasvasando el rechazo
(R1) al tamiz mayor iniciando de nuevo la operacin para cada tamiz usado:
o
o
o
o
o

Se tara el tamiz superior (T2, T3, ,Tn).


Se trasvasa el rechazo del tamiz anterior (R1, R2,., Rn).
Se programa el tiempo adecuado en la tamizadora.
Se pesa el tamiz con el residuo de producto (P2, P3, , Pn).
Se calcula el nuevo rechazo (R2, R3, , Rn+1)

1.- Carcasa
2.- Plato
3.- Tamiz
4.- Tapa de metacrilato
5.- Pala de arrastre
6.- Malla del tamiz
7.- Muestra de ensayo
8.- Producto rechazado
9.- Producto pasante
10.- Corriente de aire
11.- Salida de aire
12.- Toma manmetro

Figura 95. Croquis de funcionamiento de una tamizadora por barrido de aire


b) Tamizado En Hmedo.
-

Se pesa una cantidad de muestra en polvo seco (X) en la balanza de precisin.


Se vierte la muestra sobre el tamiz.
Con el chorro de agua de un grifo se va mojando el material, obligando a pasar
por el tamiz las partculas ms finas que ste.
El tamizado se considera terminado cuando se observa que el agua de lavado
es limpia.

188

Desarrollo de la Propuesta
-

Se introduce el tamiz con el residuo en la estufa a 100C durante un tiempo


mnimo de 30 minutos.
Se pesa el producto retenido (rechazo) en el tamiz (Y).

Para el tratamiento de los datos se calcular la distribucin granulomtrica de la


siguiente forma.
a) Tamizado en Seco.
1. Si se realiza un tamizado manual o se utiliza la tamizadora electromagntica:

Los resultados se expresan en tanto por ciento, indicando para cada tamiz utilizado, el
tamao o luz de malla del mismo, y si el resultado se refiere al rechazo o pasante en
ese tamiz.
2. Si se utiliza la tamizadora por barrido de aire, se proceder de la siguiente
forma:

189

Desarrollo de la Propuesta

Donde:
P0: Peso inicial de la muestra.
P1, P2...: Peso de los distintos tamices + el producto retenido en cada uno de ellos
T1, T2...: Tara de los distintos tamices
R1 = P1 T1 : Cantidad de muestra retenida en el tamiz ms fino (g)
R2 = P2 T2 : Rechazo en el 2 tamiz ms fino (g)
R3 = P3 T3 : Rechazo en el 3er tamiz ms fino (g)

b) Tamizado en Hmedo.
Los resultados se expresan en tanto por ciento, indicando para cada tamiz utilizado, el
tamao o luz de malla del mismo:

Donde,
X: Peso inicial de la muestra en gr.
Y: Cantidad de muestra retenida en el tamiz en gr.
3.1.4.6 Determinacin de la reactividad de la anhidrita
El objetivo ser el de obtener el grado de reactividad de la anhidrita
La operativa ser la siguiente:
-

Pesar 400g. (o 400ml) de agua en un vaso de precipitados con capacidad


mxima de 1000ml, graduado con unidades de 20 en 20ml y con dimetro
interior de 10cm.
Ajustar el agitador magntico a velocidad alta 700-800rpm, hasta conseguir
vrtice que alcance al agitador.
Pesar 400g. de anhidrita.
Aadir con cuchara sopera estos 400g. de anhidrita durante 1 minuto en
agitacin continua.
Mantener la agitacin a la misma velocidad durante 30segundos ms (total 1,5
minutos) y parar el agitador.
Dejar en reposo durante 10,5 minutos (total 12 minutos).
Anotar la altura final de agua sobrenadante y convertir este dato a reactividad
segn la Tabla 39.

190

Desarrollo de la Propuesta

Altura vaso precipitados Reactividad


0.5
0-0.4
0.4
0.4-2.5
0.3
2.5-6
0.2
6-9
0.1
9-13
0.0
>13
Tabla 39. Medidas de la reactividad de la anhidrita

191

Desarrollo de la Propuesta
3.2

ANLISIS ENERGTICO Y BALANCES

En este captulo se presenta el caso prctico de un horno de yeso para la fabricacin


de anhidrita. Se incluyen sus caractersticas tcnicas y su modo de operacin, as
como el anlisis de los datos fsicos-qumicos y energticos relacionados con esta
unidad.
En el caso que se ocupa, se analizarn los datos disponibles referentes al horno para
elaborar un balance msico y energtico del mismo. A su vez, se analizarn las
variables que influyen en el proceso de combustin del horno para poder determinar
el tipo de relacin existente entre ellas y as poder disponer de una aplicacin futura
que permita conocer y controlar la operacin de secado. En consecuencia, se persigue
aumentar la eficiencia del horno desde el punto de vista energtico y/o de
rendimientos en produccin.
Como se dispone de dos hornos de fabricacin de anhidrita en la fbrica de referencia,
se realizar el estudio para los dos hornos, en un contexto global de calcinacin para
seis hornos (tres para escayola, uno para semihidrato y dos para anhidrita), con el fin
de realizar clculos energticos globales y particulares de los mismos
3.2.1.1 Operatividad y consumo energtico de los hornos de calcinacin
El consumo trmico de la planta corresponde a los hornos para la fabricacin de yeso
(Figura 96), fabricacin de escayola y mezcla. Se han recopilado las caractersticas de
cada horno en la Tabla 41.
La Tabla 40 muestra la reparticin del consumo trmico para los equipos estudiados.
Descripcin

Consumo gas
(kWh/ao)

% consumo trmico

Horno 1 (escayola)
Horno 2 (escayola)
Horno 3 (escayola)
Horno 4 (semihidrato)
Horno 5 (anhidrita)
Horno 6 (anhidrita)
TOTAL

4.734.978
3.821.583
2.611.563
10.917.007
3.837.173
4.475.672
30.397.059

15,6%
12,6%
8,6%
35,9%
12,6%
14,7%
100%

Tabla 40. Resumen del consumo trmico de los hornos para 2011.

Horno 5
15%

Horno 6 Horno 1
14%
15%

Horno 4
39%

Horno 2
11%

Horno 3
6%

Figura 96. Porcentaje de consumo trmico hornos para 2011.

192

Desarrollo de la Propuesta

Contador de
material de
entrada (cinta
pesadora)
Contador de gas
propio
Nombre propio del
equipo
Capacidad media
de produccin
[Tm/da]
Capacidad actual
del horno
Temperatura de
coccin [C]
Potencia trmica
[kW]
Tipo
Control
funcionamiento y
parada logstica

Regulacin y
control de
temperatura
produccin /
gases combustin
/temperatura
salida
humos/regulacin
de oxigeno

Sistema
emergencia para
filtros [T mx.
humos]=175C
N de motores y
regulacin?

H1 Horno
escayola
Monterde 1
NO

H2 Horno
escayola
Monterde 2
NO

H3 Horno
escayola
Monterde 3
NO

H4 Horno
Semihidrato
Monterde
SI

H5 Horno
anhidrita
Monterde 1
SI

H6 Horno
anhidrita
Monterde 2
SI

SI

SI

SI

SI

SI

SI

Horno 1

Horno 2

Horno 3

Horno 4

Horno 5

Horno 6

100

100

100

400

200

200

mxima

mxima

mxima

media

media

media

180

180

180

180

550

550

1.165

1.165

1.165

4.070

2.900

2.900

doble tubo +
aislamiento
Continuo
paradas:
viernes 10
tarde hasta
11 h lunes

doble tubo +
aislamiento
Continuo, 1
semana
alterna con
F2
paradas:
viernes 10
tarde hasta
11 h lunes
Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma, no
hay entrada
de aire

doble tubo +
aislamiento
Continuo paradas:
viernes 10
tarde hasta
11 h lunes +
parada 1 da
/semana

triple tubo

triple tubo

Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma, no
hay entrada
de aire

doble tubo +
aislamiento
Continuo, 1
semana
alterna con
F3
paradas:
viernes 10
tarde hasta
11 h lunes
Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma, no
hay entrada
de aire

De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

Continuo, 1
semana
alterna con
F6
paradas:
viernes 10
tarde hasta
11 h lunes
Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma +
entrada
automtica
de aire frio
De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

Continuo, 1
semana
alterna con
F5
paradas:
viernes 10
tarde hasta
11 h lunes
Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma +
entrada
automtica
de aire frio
De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

Manual f(T
salida
material) -->
regulacin
entrada gas,
aire, material
No control de
oxigeno
regulacin de
aire con
trampilla
alarma +
entrada
automtica
de aire frio
De giro, de
aspiracin de
aire hacia el
filtro,
quemador
(ventilador),
cinta de
alimentacin
con vf,
vibrador de
entrada
horno y
sinfn de
salida,
alveolar

Tabla 41. Caractersticas de los hornos estudiados


Respecto a la distribucin del consumo trmico, se observa que el horno 4 es el que
consume ms gas natural (y tiene mayor capacidad productiva), y en segundo lugar
los hornos 1, 5 y 6.
La Figura 97 muestra la evolucin mensual del consumo trmico especfico (kWh/Tm)
para cada uno de los hornos.

193

Desarrollo de la Propuesta
700
600

kWh/Tm

500
H1
400

H2

300

H3

200

H4
H5

100

H6

Figura 97. Distribucin mensual consumo especfico hornos


Tal y como se puede comprobar en la Figura 97, el Horno 4, de semihidrato, es el
horno ms eficiente. Respecto a los hornos de escayola, el Horno 1 presenta una
mayor eficiencia, seguido del Horno 3 y 2 respectivamente. En cuanto a los hornos de
anhidrita, el horno 6 presenta mayor eficiencia energtica que el horno 5, por tanto se
elegir el horno 5 por su mayor capacidad de optimizacin energtica.

3.2.2 Perfil energtico del horno de calcinacin


Para abordar un estudio sobre el rendimiento trmico de un proceso el primer
diagnstico a realizar es el balance de energa. Para obtenerlo, tambin se requiere
conocer el balance de materia y el diagrama de flujo de la instalacin que recoger
todas las corrientes que lo integran.
Para realizar los balances de materia y energa del horno se han tenido en cuenta
todos los flujos de materiales que entran, salen, acumulan o se agotan en el curso de
un intervalo de tiempo de operacin concreto (Camdali, Erisen, & Celen, 2004).
En cuanto a clculos se ha establecido un nmero de ecuaciones independientes igual
al nmero de incgnitas de composicin, masa y energa, de tal manera que sea
posible obtener todos los pesos y composiciones y flujos energticos de las sustancias
que ingresan y salen del horno. Los balances preservan la expresin de la ley de
conservacin de la masa/energa.
La Figura 98 presenta los flujos msicos y energticos que van a delimitar el balance
energtico del horno de estudio. En dicha figura, m representa la cantidad msica
(para el caso del slido o bien volumtrica-normalizada, para el caso de los gases) y
H, representa la cantidad de calor que lleva cada corriente asociada.
Los datos de partida se presentan en la Tabla 42 y se nombran de acuerdo con
nomenclatura mencionada.

194

Desarrollo de la Propuesta

ENTRADA

SOLIDO

GAS
NATURAL
AIRE

SALIDA

SOLIDO
GASES

Variable
Temperatura
Caudal
Humedad
Pureza
Temperatura
Caudal
Temperatura
Caudal
Humedad
Temperatura
Caudal
Temperatura
Caudal

Nomenclatura
T1
m1
x1
(1-x2-x1)
T2
m2
T3
m3
xHR
T5
m5
T4
m4

Valor
15
7,6
0,9
82,9
10
180
17
10.979
49,0
163
6,2
97
12.874

Unidad
C
Tn/h
%
%
C
C
Nm3/h
%
C
Tn/h
C
Nm3/h

Tabla 42. Datos de partida para el horno H5


Los datos se obtendrn a partir de promedios facilitados por los propios instrumentos
de control del horno (sistema Scada, e instrumentacin varia) y medidas puntuales
consideradas suficientemente representativas en estado estacionario de operatividad
del mismo.
3.2.2.1 Balance msico
Tal y como muestra la Figura 98 se ha delimitado el balance al sistema interior del
horno, situndolo en lo que se denomina la zona de trabajo. Hecha tal delimitacin, las
paredes que rodean a la cmara en la que se colocan los materiales para el
tratamiento, son lmites del sistema. Y de la misma delimitacin se sobrentiende que
las chimeneas u orificios del horno se encuentran fuera del sistema.
Se considera el horno de estudio es un sistema abierto (Figura 99). Por ello, se define
un intercambio de materia y energa entre el sistema y los alrededores. La materia que
entra y sale del sistema es esencialmente la carga del horno. Algo a considerar dentro
de este balance son los gases de combustin y la deshidratacin de la anhidrita.
En el horno se produce la combustin del gas natural y la reaccin de formacin de
anhidrita II segn las siguientes reacciones estequiomtricas siguientes.

195

Desarrollo de la Propuesta
El oxgeno -comburente de las reacciones de combustin-, se introduce a partir del
aire de entrada al sistema (Tabla 43). El caudal de aire se ha determinado a partir de
medidas puntuales de realizadas por una entidad certificadora durante el control
atmosfrico peridico del horno, sujeto a legislacin.

Propiedades
% N2(seco)
% O2(seco)
Presin atmosfrica
Temperatura aire
Presin de vapor
Humedad relativa
Humedad absoluta

Valor
79,1
20,9
742,5
22,0
19,6
11,7
79,1

Unidad
%
%
mmHg
C
mmHg
%
%

Tabla 43. Propiedades del aire de entrada


Segn informacin facilitada por la compaa gasista (Gas Natural), se toma para los
clculos posteriores la siguiente composicin del gas natural (Tabla 44).
COMPOSICION
CH4
C2H6
C3H8
CO2
N2

%
88%
6%
2%
0,2%
4%

Tabla 44. Composicin del Gas Natural en Espaa (Fuente: Publicacin CNE.
Facilitado por Gas Natural)
Para determinar los gases de chimenea a partir de las reacciones estequiomtricas
presentadas, se han aplicado las leyes de Charles-Gay Lussac, Boyle Mariott y
Avogadro (Tabla 45). Pueden considerarse gases ideales, tanto por su simplicidad en
estructura molecular como por la presin de trabajo (presiones cercanas a la
atmosfrica).
DESCRIPCIN
Caudal material
Caudal pes.hum.
Caudal CaSO4.2H2O
Caudal Inerte (CaCO3) s
Caudal Total
Caudal gas natural

FRMULA
m1
m1 x1%
m1 (100-x1%-x2%)
m1 x2%
m1
m2

VALOR
7,8
0,1
6,3
1,4
7,8
225,6

UNIDAD
Tm/h
Tm/h
Tm/h
Tm/h
Tm/h
Nm3/hora

% CH4

m2 XCH4

198,5

Nm3/hora

%C2H6

m2 XC2H6

14,0

Nm3/hora

%C3H8

m2 XC3H8

4,7

Nm3/hora

% CO2

m2 xCO2

0,5

Nm3/hora

%N2

m2 XN2

7,9

Nm3/hora

m3

17.299

Nm3/hora

Caudal aire total

Tabla 45. Flujos de material de entrada en el horno n 5

196

Desarrollo de la Propuesta

Energa necesaria para


calentar material a Tref (H1)
Energa necesaria para
vaporizar humedad del
material a Tref (Hv)

MATERIAL ENTRADA

Energa evacuada con


el material saliente (H4)

m1 (t/h)
x1 inerte (%)
x2 humedad (%)
T1 (C)

Combustin del gas natural

CH4 + 2 O2 CO2 + 2 H2O


2 C2H6 + 7 O2 4 CO2 + 6 H2O
C3H8 + 5 O2 3 CO2 + 4 H2O

Energa necesaria para


calentar aire a Tref (H2, Hv)

CAUDAL DE GAS NATURAL

PERDIDAS DE CALOR E
INEFICIENCIAS

m4 (Nm3/h)
T4 (C)
P4 (bar)

Entalpa de reaccin a Tref (H6)

Energa necesaria para


calentar gas a Tref (H2)

CAUDAL DE GASES DE
COMBUSTIN

Entalpa de reaccin a Tref (H7)

Proceso de formacin de anhidrita II

CaSO42 H2O CaSO41/2 H2O


CaSO41/2 H2O CaSO4 1/2 H2O
CaSO42 H2O CaSO4 (II) 2 H2O

Energa evacuada con el


material saliente (H5)

AIRE
MATERIAL SALIENTE

m2 (Nm3/h)
T2 (C)
P2 (bar)
Composicin:

xCH4, xC2H6, xC3H8, xCO2 xN2

m3 (Nm3/h)
T3 (C)
P3 (bar)
Humedad relativa xHR%

m5 (t/h)
T5 (C)

Figura 98. Flujo msico y energtico de un horno de anhidrita

197

Desarrollo de la Propuesta
DESCRIPCIN
Caudal material
Caudal pes.hum.
Caudal CaSO4.2H2O
Caudal Inerte (CaCO3) s
Caudal Total
Caudal gas natural

FRMULA
m1
m1 x1
m1 (1-x1-x2)
m1 x2
m1
m2

VALOR
7,6
0,1
6,2
1,3
7,6
180,0

UNIDAD
Tm/h
Tm/h
Tm/h
Tm/h
Tm/h
Nm3/hora

% CH4

m2 XCH4

165,6

Nm3/hora

%C2H6

m2 XC2H6

9,0

Nm3/hora

%C3H8

m2 XC3H8

1,8

Nm3/hora

% CO2

m2 xCO2

1,8

Nm3/hora

%N2

m2 XN2

1,8

Nm3/hora

Caudal aire total

m3

10.979

Nm3/hora

Tabla 46. Flujos de material de entrada en horno n 6


A partir de los datos de partida, y composicin de gas natural, se obtiene los caudales
de material y gases de entrada (aire y combustible). Los flujos entrantes de materia se
resumen en la Tabla 45 y Tabla 46.
A partir de la estequiometria de las reacciones de combustin, y la aplicacin de las
leyes de gases ideales, se obtiene el balance de flujos de salida de los distintos
componentes del sistema. Las frmulas se presentan en la Tabla 49 y los resultados
en la Tabla 47 y Tabla 48.
Para el clculo, se consideran despreciables las partculas de emisin que pasan a
travs de los filtros de mangas, cuyas unidades se encuentran en el orden de ppm.

Figura 99. Flujos de gases y de material en un horno de anhidrita

198

Desarrollo de la Propuesta
CAUDALES SALIENTES
Caudal anhidrita
5,0
Caudal inerte
1,4
Caudal O2
3.134,7
Caudal N2
13.649,0
Caudal CO2
241,1
Caudal humedad slido
84,1
Caudal humedad aire
53,5
Caudal vapor deshidratacin
1.640,3
Caudal vapor combustin
457,9
Caudal H2O total
2.235,9
Caudal total
19.260,7

Tm/h
Tm/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h

Tabla 47. Flujos de material de salida del horno n 5

CAUDALES SALIENTES
Caudal anhidrita
Caudal inerte
Caudal O2
Caudal N2
Caudal CO2
Caudal humedad slido
Caudal humedad aire
Caudal vapor deshidratacin
Caudal vapor combustin
Caudal H2O total
Caudal total

4,9
1,3
1.569,5
7.742,6
243,5
82,0
21,6
1.626,2
462,3
2.192,1
11.747,7

t/h
t/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h
Nm3/h

Tabla 48. Flujos de material de salida del horno 6


Los resultados del balance msico se utilizan a continuacin para determinar el
balance energtico.

199

Desarrollo de la Propuesta

DESCRIPCIN

Caudal anhidrita

FRMULA

mAII= m1(1-x1)x2
mi=m1(1-x2)(1-x1)

Caudal inerte
Caudal O2

mO2=m3xO2-m2xCH4

mCO2= m2xCH4

Caudal humedad
slido

+m2xC2H6

Caudal vapor
combustin

+m2xC3H8

mH2Oa=m3xHabs
103

mH2Od=mAII
mH2Oc=m2xCH4

+m2xC2H6

+m2xC3H8

Caudal H2O total

mH2OT=mH2O5+mH2Oa+mH2Od+mH2Oc

Caudal total gas

mCO2+mH2Ov+mO2+mN2

Caudal total
slido

+m2xCO2

103

mH2O5=m1x1

Caudal humedad
aire
Caudal vapor
deshidratacin

-m2xC3H8

mN2=m3xN2(1-xHabs)+m2xN2

Caudal N2
Caudal CO2

-m2xC2H6

mi+mAII
Tabla 49. Formulacin de caudales saliente

200

Desarrollo de la Propuesta

3.2.2.2 Balance energtico


La Figura 98 ilustra el sistema concreto para el cual se realiza el balance de materia y
energa en los hornos de estudio. Teniendo en cuenta que las flechas rojas indican el
flujo de la energa, cuando el horno entra en rgimen de produccin continuo, la
energa producida en la combustin del gas natural (H6), se utiliza para:
-

precalentar el aire (H3), el propio gas (H2) y el material de entrada (H1) -que se
inserta en el horno con una humedad determinada (Hv).
proporcionar el calor necesario para la reaccin endotrmica correspondiente
al proceso de formacin de la anhidrita II (H7)

Por otro lado, no toda la energa se utiliza de forma eficiente, puesto que:
-

el material slido procesado (H5) y los gases de combustin salen del horno
con cierta temperatura, es decir con su propio calor latente (H4).
el horno tienen ciertas prdidas de calor e ineficiencias (tal como puede verse
en la Figura 98).

Las prdidas por ineficiencias son ms complejas de calcular. Por ello se determinaran
por balance energtico, teniendo en cuenta el principio de conservacin de la energa.
El balance trmico de un horno puede variar de un horno continuo a uno discontinuo.
En los continuos los clculos se realizan en base a la produccin (en kg/h o en Tm/h),
mientras que en los intermitentes se tiene en cuenta la carga introducida en cada
operacin (en kg o en Tm) (Barnard & Bradley, 1985). Para el caso prctico que
ocupa, se considera que estos hornos trabajan de forma continua aunque la
operatividad de los cuales tenga una periodicidad de trabajo discontinua de 4
das/semana.
Durante el proceso de secado del yeso para la formacin de anhidrita II, se produce la
combustin del gas natural as como la transformacin de la materia prima en anhidrita
II. Por ello en el horno tienen lugar de forma completa las ya mencionadas reacciones
qumicas exotrmicas (para el caso del gas combustible) y endotrmicas (para el caso
de la materia prima). En el balance del horno representado por la Figura 98 se cumple
la siguiente ecuacin de conservacin de la energa:

Para el caso de los calores asociados a H6 y H7 estos pueden determinarse a partir de


las entalpas de formacin de las mencionadas reacciones.
La entalpa de formacin de estas reacciones Hf se ha calculado de acuerdo con la
propia definicin de entalpa de reaccin:

Hor = n Hof p n Hof r.


Donde Hof p y Hof r corresponden a las entalpas de formacin de productos y
reactivos respectivamente, teniendo en cuenta la estequiometria de la reaccin (n,
nmero de moles). Para el caso de elementos, la entalpa de formacin es cero. Ver la
Tabla 50 y Tabla 51.

201

Desarrollo de la Propuesta

Hf (kJ/mol)

Reacciones del horno de Anhidrita


CH4 + 2 O2 CO2 + 2 H2O

-800,6

2 C2H6 + 7 O2 4 CO2 + 6 H2O

-1.425,2

C3H8 + 5 O2 3 CO2 + 4 H2O

-86,7

CaSO42 H2O CaSO41/2 H2O

2.040,5

CaSO41/2 H2O CaSO4 1/2 H2O

21,9

CaSO42 H2O CaSO4 (II) 2 H2O

108,6

Tabla 50. Entalpas de reaccin de los hornos objeto de estudio.

Entalpas de
Formacin
CH4
C2H6
C3H8
CO2
H2O(vapor)
CaSO4.2H2O
CaSO4.0.5H2O(beta)
CaSO4(II)

Hof
(kJ/mol) *
-74,8
-84,7
-103,8
-393,5
-241,0
-2.005,5
-1.557,4
-1.415,0

* Temperatura de referencia 298,15 K


Tabla 51. Entalpas de formacin utilizadas para calcular las reacciones que se
producen en el horno. Fuente: (Perry & Green, 1997) y (Gerhartz & Schulz, 19851996) para el caso de anhidrita.
.
Para calcular la energa necesaria H1, H2, H3, H4, H7 de la Figura 98 se considera a
presin constante, el cumplimiento de la siguiente ecuacin para la transferencia de
calor.
Q= m Cp T

Donde m es el caudal del material, Cp la capacidad calorfica a presin constante y


T el salto trmico al que el material est sujeto.
Para calcular las capacidades calorficas de las distintas sustancias que se forman y/o
intervienen en los procesos de secado, se ha recopilado en la bibliografa la capacidad
calorfica de los distintos compuestos presentes en el horno, de acuerdo con las
temperaturas de trabajo del mismo (Scenna & col., 1999).
Para el caso de los gases que intervienen en la combustin, ya se ha comentado
previamente, que se presupone comportamiento de gas ideal.

202

Desarrollo de la Propuesta
Una forma de estimar las capacidades calorficas Cp de gases ideales es por medio
de un polinomio cbico en funcin de la temperatura T, que presenta la siguiente
estructura.
Cp= a + bT+ cT2 + dT3
Los coeficientes a, b, c y d pueden encontrarse en las referencias (Perry & Green,
1997) y (Sherwood, Reid, & Prausnitz, 1979)
La capacidad calorfica de una mezcla de i componentes puede calcularse por medio
de la expresin:
Cpmezcla i= xia + xi bT + xicT + xid
donde:
ai, bi ci di son constantes de la ecuacin para el componente i
xi Fraccin molar del componente i
T Temperatura
Para el caso de los compuestos slidos (materiales de entrada y salientes) que
intervienen en el proceso, se utilizaran los Cp empricos en base a un polinomio
cuadrtico, que guarda la siguiente correlacin (Tabla 52 y Tabla 53):
Cp= a + bT+ cT2

Cp
(J/molC)
T=25C

CH4

4,598E+00

1,245E-02

2,860E-06

-2,703E-09

77,39

C2H6

1,292E+00

4,254E-02

-1,637E-05

2,081E-09

52,65

C3H8

-1,009E+00

7,315E-02

-3,789E-05

7,678E-09

73,83

CO2

4,728E+00

1,754E-02

-1,338E-05

4,097E-09

37,17

O2

6,713E+00

-8,790E-07

4,170E-06

-2,544E-09

29,38

N2

7,440E+00

-3,240E-03

6,400E-06

-2,700E-09

29,17

H2O (v)

7,701E+00

4,595E-04

2,521E-06

-8,590E-10

33,48

Tabla 52. Coeficientes para obtencin de capacidades calorficas de gases (Sherwood,


Reid, & Prausnitz, 1979)

203

Desarrollo de la Propuesta
a

CaSO4.2H2O
CaSO4
Inerte (CaCO3)

4,680E+01 0,000E+00 0,000E+00


1,852E+01 2,197E-02 -1,568E+05
1,968E+01 1,189E-02 -3,076E+05

Cp (J/molC)
T=25C

Rango de
aplicacin
trmico (K)

195,881
97,564
82,705

282-373
273-1373
273-1033

Tabla 53. Coeficientes para obtencin de capacidades calorficas de slidos (Perry &
Green, 1997)

No se dispone de informacin para el caso de CaSO4.1/2H20.


A partir de los datos anteriormente descritos y segn ecuaciones formuladas, el
balance del sistema obtenido se presenta en la
Tabla 54 y
Tabla 55.

BALANCE ENERGA
Energa desarrollada por la combustin del gas natural
Energa necesaria para calentar el slido entrada hasta 25 C
Energa necesaria para vaporizar la humedad del slido a 25 C
Energa necesaria para calentar el gas natural hasta 25 C
Energa necesaria para calentar el aire has 25 C
Energa necesaria para deshidratar a anhidrita
Energa que se pierde con el slido caliente de salida
Energa que se pierde con los humos de salida
Prdidas de calor

kJ/h
8.415.823
25.894
165.207
6.273
67.696
4.385.877
873.445
1.697.324
405.147

Tabla 54. Resultados balance de energa para horno 5


BALANCE ENERGA
Energa desarrollada por la combustin del gas natural
Energa necesaria para calentar el slido entrada hasta 25 C
Energa necesaria para vaporizar la humedad del slido a 25 C
Energa necesaria para calentar el gas natural hasta 25 C
Energa necesaria para calentar el aire has 25 C
Energa necesaria para deshidratar a anhidrita
Energa que se pierde con el slido caliente de salida
Energa que se pierde con los humos de salida
Prdidas de calor

kJ/h
7.377.883
84.368
160.971
5.499
102.245
4.348.108
840.286
1.140.017
696.389

Tabla 55. Resultados balance de energa para horno 6


A partir de los resultados presentados en la Tabla 54 y Tabla 55 se representa el
diagrama de Sankey del horno 5 y 6 respectivamente para flujos energticos (Figura
100 y Figura 101)

204

Desarrollo de la Propuesta

Figura 100. Diagrama de Sankey Balance energtico de horno 5.

205

Desarrollo de la Propuesta

Figura 101. Diagrama de Sankey Balance energtico de horno 6.


Los diagramas de Sankey anteriores muestran cmo en ambos casos, la energa de
deshidratacin de la anhidrita absorbe ms del 50% de la energa proporcionada por la
combustin de gas natural. Tambin en ambos casos, como se comentar y analizar
en los apartados siguientes, una gran parte de la reaccin exotrmica de combustin
no se utiliza o recupera eficazmente y se pierde en la periferia del sistema en forma de
calor latente de los materiales salientes e deficiencias de aislamiento trmico del
propio sistema.
3.2.2.3 Conclusiones y rendimientos
Una vez obtenidos los perfiles energticos, se procede a calcular los rendimientos de
los hornos obtenidos. Para ello se ha tenido en cuenta la entrada de energa (consumo
de gas natural) respecto a las prdidas e ineficiencias del horno, que se consideran de
forma global como la suma de los siguientes flujos salientes:
-

Energa de calor latente del slido saliente


Calor latente de los humos de combustin
Prdidas de calor e ineficiencias del sistema

206

Desarrollo de la Propuesta

RENDIMIENTO TRMICO GLOBAL


HORNO 5
HORNO 6

55%
64%

Tabla 56. Rendimiento trmico global de los hornos


Tal como puede observarse en la Tabla 56, para un caudal de entrada de material
similar, el horno 6 tiene un rendimiento superior al horno 5. Por ello se pretende
optimizar el ms ineficiente y as experimentar mayores mejoras de eficiencia
energtica y ahorro econmico posterior.
De las ineficiencias del sistema analizado (ver diagramas de Sankey) es importante
reducir la entrada de aire que actualmente funciona de modo manual (estrangulacin
mecnica de vlvula de entrada de aire) y revisar las prdidas de calor del sistema
(refractarios). Por ello se propone las siguientes propuestas: la instalacin de
variadores de frecuencia en los ventiladores para la regulacin de aire y la mejora del
aislamiento trmico.
Los ventiladores estn diseados para ser capaces de asimilar la mxima demanda
del sistema en el que estn instalados. Pero bastante a menudo la demanda vara muy
por debajo de la capacidad de diseo. El ventilador centrfugo imparte energa al aire
por fuerza centrfuga. Esto origina un incremento en la presin y produce un caudal de
aire a la salida del ventilador.
Muchos sistemas requieren que el ventilador opere en un amplio rango de puntos. Hay
varios mtodos usados para modular o variar el caudal (o CFM) de un sistema para
alcanzar los puntos ptimos. El ms interesante es el variador de frecuencia variable.
Cambiando la velocidad el ventilador cambia su rendimiento para adaptarse a los
cambios producidos a diferentes caudales. Cambiando el caudal, o la velocidad del
ventilador, las curvas del sistema son afectados.
Para conocer el ahorro energtico que se puede conseguir en un ventilador se debe
conocer el rango de caudales o perfil de carga y la curva del ventilador. La Figura 102
y Figura 103 muestran las curvas caractersticas de los ventiladores instalados en los
hornos H5 y H6.

207

Desarrollo de la Propuesta

Figura 102. Curvas caractersticas y punto de trabajo ptimo del ventilador para el
horno n5

Figura 103. Curva caracterstica en condiciones de trabajo para ventilador para el


horno n6
Los datos del punto de trabajo de los ventiladores, se representan en la Tabla 57.
Actualmente la regulacin de ambos hornos se realiza de forma manual, ajustando un
caudal fijo del 70%. La Tabla 58 muestra la potencia absorbida por el ventilador
trabajando con estrangulacin mecnica.

208

Desarrollo de la Propuesta

Fabricante
Tipo
N Fabricacin
Fecha
Rgimen giro (rpm)
Temperatura (C)
Altura sobre NM. (m)
Peso especfico (kg/m3)
Caudal (m3/h)
Caudal mximo (m3/h)
Presin (mm.c.a.)
Potencia absorbida (kW)
Potencia mxima (kW)

Horno 5
TURBOVENT, SA
VR63S10U800R
23.485
11/1998
2,075
100
0
0.946
30,000
46,000
300
30.7
45

Horno 6
CASALS, SL
MBRU1121T4
1.324
1999
1,480
100
0
0.940
30,000
54,000
315
30.6
55

Tabla 57. Punto de trabajo ptimo y caractersticas ventiladores para hornos de


anhidrita n5 y n6

Horno 5
Horno 6

Caudal
(%)
70%
70%

% de tiempo
100%
100%

Potencia absorbida
(kW)
32
38

Tabla 58. Rgimen de trabajo por estrangulacin de los ventiladores de los hornos n5
y n6
Segn una de las leyes de los ventiladores:
-

La Potencia (HP) variar como el cubo de la relacin de velocidades (S)

( )
Donde:
HP1: Potencia nominal
HP2: Potencia con variador
S1: velocidad nominal
S2: velocidad con variador
Utilizando variadores de frecuencia en lugar de estrangulacin mecnica se consigue
reducir la potencia absorbida por el ventilador tal como se muestra en la Tabla 59
Se pretende instalar un control con PID que permita regular el caudal de operacin del
ventilador segn otros parmetros de proceso que se estudiaran en el apartado
siguiente.
Conociendo el tiempo que el ventilador est trabajando ante cada necesidad de caudal
se podr calcular la potencia necesaria para trabajar con ese caudal y estimar el
consumo energtico en cada periodo. De esta forma se podr calcular la potencia
ponderada que requiere el ventilador y calcular los consumos totales.

209

Desarrollo de la Propuesta

Horno 5
Horno 6

Caudal
(%)
Variable
Variable

% de tiempo
100%
100%

Potencia absorbida
(kW)
15,5
19

Ahorro
energtico (%)
51%
50%

Tabla 59. Clculo de ahorros energticos en condicin real para los hornos n5 y n6
con variadores de frecuencia
La diferencia entre el consumo a capacidad fija y a capacidad variable ser el ahorro
que se puede conseguir utilizando sistemas como los variadores de frecuencia.
Otra mejora substancial en la gestin energtica de los hornos de calcinacin de
anhidrita es la mejora de su aislamiento. Se ha realizado un anlisis termogrfico
(Figura 104) de los diferentes hornos de anhidrita para evaluar posibles malos
aislamientos y deficiencias. Se adjuntan diferentes fotos termogrficas.

Figura 104. Termografa hornos de calcinacin de anhidrita

Segn diagrama energtico, las prdidas de calor son suficientemente importantes


como para revisar y reponer el material aislante o refractario que se haya podido daar
durante el funcionamiento habitual del horno. Por ello son importantes las revisiones
peridicas termogrficas.

210

Desarrollo de la Propuesta
3.3

ANLISIS DE LAS VARIABLES DEL PROCESO

3.3.1 Variables implicadas en la calcinacin de la Anhidrita


En el actual apartado se realizar un anlisis de las variables que intervienen en la
calcinacin de la anhidrita mediante un horno rotativo. El anlisis ser del tipo
tradicional, evaluando la dispersin de cada variable y su histograma, as como la
relacin entre las principales variables entre s.
Se relacionarn las variables directas e indirectas de las que se tengan datos o
cuantitativas. En el apartado 3.8 se trabajar con un espectro ms amplio de variables,
ya que se valoraran tambin las variables cualitativas y las que de una forma mucho
ms indirecta puedan afectar al proceso.
La gran cantidad de datos de trabajo (ms de 80 variables con ms de 700.000
entradas de datos en un periodo de dos aos) da la ventaja de poder extraer
informacin muy fidedigna del proceso, pero ello requerir una gran potencia de
clculo, por lo que se deben tratar los datos con programas aptos. En ste trabajo se
usar el software Matlab y Minitab de forma indistinta.
En la Figura 105 se presentan las variables que la fbrica ha tenido en cuenta para la
produccin de anhidrita II en los ltimos aos y que se dispone de registro anual de
ellas. Algunas de estas variables estn registradas a partir del sistema de control
Scada que posee la fbrica y por otro lado, hay otras variables que se toman de forma
manual y puntual diaria a partir de lecturas del operario, as como varias otras formas
de registro de los datos.
Para el caso de los datos procedentes del sistema de control Scada, la informacin se
dispone en paquetes de datos continuos con escala de tiempo mnima de un minuto.
Por otro lado, existen datos procedentes de sondas digitales del horno tomados por el
operario de 6 a 8 veces da. Para el caso de los parmetros fsico-qumicos analizados
en el laboratorio para caracterizar el material a calcinar, la fbrica dispona de datos
desde 2006 de algunas variables de proceso (horno y laboratorio) y por ello se han
tratado y filtrado para poder correlacionarlos entre si a partir de la misma base
temporal. Los datos de Scada se han incorporado a partir de 2010. Una vez colocados
los datos correspondientes a la misma escala horaria (cada dos horas), se ha
procedido a analizar los resultados y sacar conclusiones estadsticas.
En la Tabla 60 se muestra el listado completo de las variables que se considera que
pueden afectar directa o indirectamente al proceso. Dicha tabla es exhaustiva y en el
captulo 3.8 se trabajar mediante RB con todas estas variables.

211

Desarrollo de la Propuesta

Figura 105. Sistema Scada para hornos 5 y 6 de proceso de calcinacin de anhidrita

212

Desarrollo de la Propuesta
Cdigo
V01
V02
V03
V04
V05
V06
V07
V08
V09
V10
V11
V12
V13
V14
V15
V16
V17
V18
V19
V20
V21
V22
V23
V24
V25
V26
V27
V28
V29
V30
V31
V32
V33
V34
V35
V36
V37
V38
V39
V40
V41
V42
V43
V44
V45
V46
V47

Nombre
Intensidad Molino M8100
Intensidad Molino M8120
Caudal Material H5
Caudal Material H6
Instant Partculas H5
Instant Partculas H6
Media Partculas H5
Media Partculas H6
Temp Refractario H5
Temp Refractario H6
Temp Refractario H5
Temp Refractario H6
Temp Material H5
Temp Material H6
Temp Material H5
Temp Material H6
Caudal de gas H5
Caudal de gas H6
Volumen de gas H5
Volumen de gas H6
Temp Salida Mat H5
Temp Salida Mat H6
Temp emisin H5
Temp emisin H6
Velocidad Rotacin H5
Velocidad Rotacin H6
Pres Dif Tiro Manual H5
Pres Dif Tiro Manual H6
Pres Dif Tiro H5
Pres Dif Tiro H6
Caudal emisiones H5
Caudal emisiones H6
Caudal AnII H5
Caudal AnII H6
Extraccin de H2O H5
Extraccin de H2O H6
Velocidad Enfriador
Pres Dif Enfriador
Caudal Enfriador
Temp Ent Silo
Luz Criba Molino 2
Granul Entrada
Pureza Mineral
Humedad Libre
Grado Cal An
Reactiv An
Agua Comb 2

Unidades
A
A
Tm/h
Tm/h
mg/Nm3
mg/Nm3
mg/Nm3
mg/Nm3
C
C
C
C
C
C
C
C
m3/h
m3/h
m3
m3
C
C
C
C
rpm
rpm
grados
grados
hPa
hPa
Nm3/h
Nm3/h
Tm/h
Tm/h
% en peso
% en peso
rpm
hPa
Nm3/h
C
mm
%>1mm
% H2O comb
% H2O
mm H2O prov
% H2O comb 2

Lectura
Continua
Continua
Continua
Continua
Continua
Continua
Continua
Continua
Continua
Continua
Manual
Manual
Continua
Continua
Manual
Manual
Continua
Continua
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Continua
Continua
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual

213

Desarrollo de la Propuesta
Cdigo
V48
V49
V50
V51
V55
V56
V57
V58
V59
V60
V61
V62
V63
V64
V65
V66
V67
V68
V69
V70
V71
V72
V73
V74
V75
V76
V77
V78
V79
V80
V81
V82
V83
V84

Nombre
Granul M >0,2 Labo
Granul M>0,8
Granul M >0,2 Horn
pH de An
Intensidad Molino Min
Luz Criba Molino Min
Intensidad Molino 1
Luz Criba Molino 1
Caudal Mat Filtro
Frente Explotacin
Densidad An
Exper Operario
Tipo Turnos
Ritmo Produccin
TRS equipos
RO equipos
Nivel Engrase
Ratio Preventivo
Rendimiento
Forma Llama
Da Sem
Da Mes
Mes
Estacin
Temp Media
Temp Max
Temp Min
Precipitacin
Hum Rel
Presin Atm
Irradiacin Sol
VMed Viento
Direccin Viento
Rfaga Viento

Unidades
%>0,2mm
%>0,8mm
%>0,2mm
pH
A
mm
A
mm
Tm/h
kg/m3
Tm/h
%
%
%
%
%
C
C
C
mm
%
hPa
MJ/m2
m/s
grados
m/s

Lectura
Manual
Manual
Manual
Manual
Manual
Manual
Continua
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual
Manual

Tabla 60. Variables implicadas en el proceso de calcinacin de anhidrita

3.3.2 Variables directas principales del proceso de produccin de


Anhidrita
En el estudio de las variables implicadas en el proceso se centrar en un anlisis
estadstico de las mismas considerando slo las variables directas del horno 5 y
nicamente las que debido a la experiencia estn ntimamente ligadas al proceso
esencial de la calcinacin. Estas variables se reportan de forma continua o
peridicamente. En la Figura 106 se puede ver un esquema grfico de las variables
implicadas en el proceso en el punto de medicin.

214

Desarrollo de la Propuesta

V1

Intensidad de Molino M8100


V2

Intensidad de Molino M8120

V3

MINERAL

MOLIENDA MINERAL

Caudal de entrada material de Horno 5

ALIMENTACIN

MOLIENDA

V5 , V7

MATERIA PRIMA CRUDA

TRANSPORTE Y
PESAJE

GASES COMBUSTIN

Contador de consumo
de gas

Temperatura filtro
mangas

V23

T gases salida
Clapeta manual de
control de tiro

Caudal de entrada
material de Horno 5

FILTRO MANGAS

Vlvula refresco

T material
2

1
T cmara
V17

Consumo de gas
instantaneo

3
T material en cmara
de enfriamiento
V9, V11

Temperatura
refractario S1

V21

Temperatura material
calcinado S3

MOLIENDA 2ENFRIADOR
SILO ALMACENAMIENTO

V13,V15

Temperatura
refractario S2

Figura 106. Flujograma del proceso de calcinacin y variables implicadas


En la Tabla 61 se relacionan las variables que se analizarn, con el objetivo de usarlas
en la automatizacin mediante lazos de control PID y as autorregular el proceso de
calcinacin. En el Anexo I se encuentran los resultados obtenidos para cada una de
las variables analizadas.
Cdigo
V03
V05
V07
V09
V11
V13
V17
V19
V21
V23
V31

Nombre
Caudal Material
Instant Partculas
Media Partculas
Temp Refractario
Temp Refractario
Temp Material
Caudal de gas
Volumen de gas
Temp Salida Mat
Temp emisin
Caudal emisiones

Unidades
Tm/h
mg/Nm3
mg/Nm3
C
C
C
m3/h
m3
C
C
Nm3/h

Proceso
Qm
Pi
Pm
Tr
Trman
Tm
Qg
Vg
Ts
Te
Qe

Tabla 61. Variables principales de proceso en la calcinacin de anhidrita

215

Desarrollo de la Propuesta
3.3.3 Relacin entre las principales variables de la calcinacin
En el siguiente apartado se realizar la correlacin entre las principales variables del
sistema de las que se tengan bastantes datos como para que sea significativas, as
mismo, se estudiaran las variables que sean necesarias que permitan el diseo de un
posterior sistema de automatizacin y un modelado de la fabricacin de anhidrita
mediante redes bayesianas.
En las siguientes tablas (Tabla 62) y figuras se muestran las correlaciones estadsticas
y la bondad de su ajuste de las variables implicadas. Se muestran grficamente
algunas de estas relaciones.

Variable Comparacin
Frmula
V03
V05
V03 = 0,618 + 0,160 V05
V07
V03 = 0,505 + 0,165 V07
V09
V03 = - 0,208 + 0,00799 V09
V13
V03 = - 0,378 + 0,0116 V13
V17
V03 = 0,0244 + 0,0586 V17
V05
V07
V05 = 0,375 + 0,987 V07
V09
V05 = - 1,02 + 0,0432 V09
V13
V05 = - 1,86 + 0,0628 V13
V17
V05 = 0,638 + 0,312 V17
V07
V09
V07 = - 1,02 + 0,0432 V09
V13
V07 = - 1,87 + 0,0627 V13
V17
V07 = 0,638 + 0,312 V17
V09
V13
V09 = - 10,5 + 1,43 V13
V17
V09 = 58,6 + 6,99 V17
V13
V17
V13 = 44,3 + 4,93 V17
V23
V13 = 436 + 1,34 V23

R-cuad.
84,3%
86,6%
95,7%
96,4%
96,9%
94,6%
84,8%
85,0%
84,1%
87,3%
87,6%
86,4%
97,6%
91,6%
95,8%
26,9%

Tabla 62. Correlaciones significativas entre variables implicadas en el proceso de


calcinacin de la anhidrita
V13 = 41,60 + 143,6 V03- 9,719 V03^2
600

S
R-cuad.
R-cuad.(ajustado)

33,2312
97,3%
97,3%

500

V13

400
300
200
100
0
0

4
V03

Figura 107. Regresin entre las variables V03 y V13

216

Desarrollo de la Propuesta

600

V13

450
300

150
0
0

4
V03

Figura 108. Distribucin marginal entre las variables V03 y V13

V13 = 41,37 + 9,854 V17- 0,04739 V17^2


600

S
R-cuad.
R-cuad.(ajustado)

37,9199
96,4%
96,4%

500

V13

400
300
200
100
0
0

20

40

60
V17

80

100

120

Figura 109. Regresin entre las variables V17 y V13

600

V13

450
300

150
0
0

20

40

60
V17

80

100

120

Figura 110. Distribucin marginal entre las variables V17 y V13

217

Desarrollo de la Propuesta

V13 = - 25,67 + 1,530 V09- 0,001002 V09^2


600

S
R-cuad.
R-cuad.(ajustado)

17,9776
99,2%
99,2%

500

V13

400
300
200
100
0
0

100

200

300

400 500
V09

600

700

800

900

Figura 111. Regresin entre las variables V09 y V13


En las figuras anteriores (Figura 107 a Figura 111) se han comparado las variables de
proceso con la variable consigna V13, es decir, la temperatura de material. Esta
variable determina si la anhidrita calcinada ser correcta o no, de ah la importancia de
la misma.
V17 = 0,3506 + 36,28 V03- 3,172 V03^2
120

S
R-cuad.
R-cuad.(ajustado)

100

4,14479
99,0%
99,0%

V17

80
60
40
20
0
0

4
V03

Figura 112. Regresin entre las variables V03 y V17

218

Desarrollo de la Propuesta

V07 = - 2,759 + 0,07669 V09- 0,000040 V09^2


S
R-cuad.
R-cuad.(ajustado)

80
70

4,68887
87,9%
87,9%

60

V07

50
40
30
20
10
0
0

100

200

300

400 500
V09

600

700

800

900

Figura 113. Regresin entre las variables V09 y V07


La Figura 112 muestra la relacin entre el caudal de material y el caudal de gas y la
Figura 113 muestra la correlacin cuadrtica entre la temperatura del refractario y la
emisin de partculas a la atmsfera, observando que existe un grado razonable de
correlacin.

50

100

250

500

8
4

V03

0
100
50

V17

800
400

V09

0
500
V13

250
0

95
90

V23

85
0

400

800

85

90

95

Figura 114. Matriz de correlacin entre las principales variables implicadas


La Figura 114 muestra grficamente la relacin entre las principales variables de
control del sistema. Estas variables correlacionadas, cuya implicacin se muestra en la
Tabla 63, se pueden expresarlas de una forma conjunta en la expresin:

219

Desarrollo de la Propuesta

sta expresin tiene un coeficiente R-cuad. de 98,9%, cosa que determina su bondad
de ajuste.

V17
V13
V09
V05
V07

V03
0,984
0,982
0,978
0,918
0,930

V17

V13

V09

V05

0,979
0,957 0,988
0,917 0,922 0,921
0,929 0,936 0,935 0,973

Tabla 63. Coeficiente de correlacin entre las principales variables


Como conclusin de este estudio de variables, se puede determinar que el sistema de
automatizacin y control industrial para autorregular el horno de anhidrita deber
gestionar las variables mostradas en la Tabla 64. Esto permitir controlar el horno
mediante dispositivos PID integrados en la programacin PLC tal como se ver en el
apartado 3.7. Para ello se deber automatizar la recogida de datos de las variables
V23 y V31, que hasta el momento actual no estaban automatizadas y poder realizar el
control automtico mediante la pantalla Scada de los parmetros Qg y Qe, los cuales
hasta el momento se controlaban de forma manual.

Proceso

Parmetros de control

Caudales

Material Qm
Gas Natural Qg
Emisiones Qe

Temperaturas Material Tm
Refractario Tr
Emisiones Te
Tabla 64. Variables de control para el proceso de calcinacin

220

Desarrollo de la Propuesta
3.5

SISTEMA DE AUTOMATIZACIN INDUSTRIAL

3.5.1 Gestin mediante sistema MES


El sistema de fabricacin MES (Manufacturing Execution System) (AEmes v.1.8)
permite realizar la gestin, control y seguimiento de equipos y datos que se adquieren
o son procesados durante las fases de fabricacin de los procesos de recepcin
(molienda primaria), hornos de semihidrato y anhidrita y torres 1 y 2 de mezclado. El
sistema realiza un control con almacenamiento de datos en cualquier punto desde que
se efecta la recepcin de la materia prima, pasando por todos los procesos internos
controlados por ste, hasta la expedicin del producto fabricado.
El sistema trabaja en conexin a una base de datos instalada en el servidor central
SRVMES01 donde se encuentran almacenadas materias, productos, frmulas e
instrucciones de todas las operaciones y parmetros con los que trabajan las lneas y
equipos de la planta. La gestin de todas estas operaciones se realiza a travs del
programa AEmes versin 1.8 el cual trabaja directamente con la base de datos y que
se encuentra disponible en las estaciones de trabajo Pc-Scada1 (Scada torres 1 y 2),
Pc-Scada2 (Scada hornos semihidrato y anhidrita) y Pc-Scada3 (Scada recepciones)
con la posibilidad de ser instalado en todas aquellas estaciones que tengan acceso a
la red de produccin.

Figura 115. Esquema jerrquico del control industrial


El control y monitorizacin de la produccin se enfoca, especficamente, a los equipos
y elementos que son supervisados en tiempo real desde los PCs y a travs del
sistema Scada Citect Versin 5.50 Service Pack C y que se encuentra disponible en

221

Desarrollo de la Propuesta
las estaciones de trabajo Pc-Scada1 (Scada torres 1 y 2), Pc-Scada2 (Scada hornos
semihidrato y anhidrita) y Pc-Scada3 (Scada recepciones) (Figura 115).
Las frmulas son gestionadas y procesadas a travs de la planificacin u rdenes de
trabajo aplicando criterios y directrices de seguridad para ser enviadas a los procesos
segn demanda y necesidades de stos.
En todo momento se realiza un registro de alarmas y acciones para generar un
seguimiento de fallos y posibles cambios de condiciones de trabajo durante la
fabricacin de un lote especfico. A travs del mdulo de trazabilidad se accede al
propio histrico de datos para poder realizar consultas personalizadas y obtener
listados e informes configurables por el propio usuario sobre la fabricacin,
movimientos y eventos generados por las unidades asociadas a un identificador de
produccin junto a la posibilidad de realizar bsquedas de producciones especficas.
Las presentes especificaciones estn basadas segn los siguientes diagramas: de
control (Figura 116) y de proceso (Figura 117)

3.5.1 Procesos por lotes Torre 1, 2 y ensaque


Estos procesos estn destinados a obtener productos a travs de la mezcla de un
conjunto de materias simples, compuestas o semielaboradas mediante equipos para
tal efecto como bsculas, inyectores, adiciones manuales, mezcladoras, etc.
Las lneas trabajan con una frmula la cual contempla productos y cantidades a
dosificar de la composicin junto a parmetros de equipos y de la propia lnea de
trabajo para establecer consignas y valores mximos / mnimos para el conjunto de
mezclas que forman el lote de fabricacin.
Las rdenes de trabajo asociadas a este tipo de procesos permiten la seleccin libre
de una frmula junto a una cantidad para ser procesada (n mezclas segn
parametrizacin de la frmula) y el producto resultante de la composicin transportado
al destino final seleccionado.
En la planta se contemplan dos lneas de mezclado las cuales son denominadas como
torre 1 y torre 2 y que controlan un nmero definido de equipos formado por bsculas,
mezcladoras y transportes listados en el apartado Equipos Planta.
La interaccin y operaciones de estas dos lneas se har de forma independiente
respecto ambas y a travs de la generacin de rdenes de trabajo generadas por los
propios operadores. A contemplar que las frmulas y productos podrn ser
compartidas por las dos lneas de produccin con opcin de restringir el
procesamiento de alguna de ellas segn criterios de produccin.
Se establece un nmero mximo de 2 mezclas simultneas dentro del ciclo de
fabricacin por razones o limitaciones especficas del proceso.
Existir la posibilidad de realizar dosificaciones de productos de cualquier frmula por
cualquiera de las bsculas (segn reparticin de productos en silos) teniendo la
obligatoriedad de utilizar como mnimo la bscula de mayoritarios (torre1 - BA1, torre2
BA2) para el inicio de ciclo.
Aquellos depsitos o silos que sean compartidos por ms de un equipo dosificador se
realizarn la dosificacin de forma simultnea.

222

Desarrollo de la Propuesta

Figura 116. Arquitectura de control

223

Desarrollo de la Propuesta
M1060
DM1140
M1020
TLM

M1000

M1030
M1070

M1050
DM1150

M1010

M1080
M1040
M

M1090

Sitja
DC3

M2200

M2190

M2220

Sitja
DC5

M2230
E2030

E2020

M2010

M1120

Sitja
DC4

M2210
E2010

E2000
M2000

M1110

M1100

Sitja
DC2

Sitja
DC1

M2240
E2040

M2030

M2020

Sitja
DC6

E2050
M2050

M2040

M2100
M2090

M2060

M2070
M

M2110

M2120

M2125

M2080

F4251

M4210

M4250

Sitja
DF1

F3071

Sitja
DF2

Sitja
DF3

M3070

FILTRE

M3200

M6210

M7110

FILTRE

M3100
M4050

M3030

M3110

M3000

M4055

M4190
E4232

M4230

V3160

V3150
B3001

M4070

M4060

SH

SH

SITJA
DE1

SITJA
DE2

M4150

FORN 1

REFREDADOR SH
M9120

SH

M4160
M4080
E4202
F4281

M4280

F8281

M8280

V4090
M4200

FILTRE

V9141

FILTRE

V4100

EDE2

EDE1
E4002

M3020

CR3010

E4012
M4010

M4000

M3080

M4180

M3085

M4170
M4110

M3090

M4120

M9130

V9140

M4140

M9135

F8251

M8210

TORRE 1

M8250

F6171
M4020

V4145

M6170

FILTRE

Y8215

FILTRE
M8030

Y8035
M6150

Cami
M5120

M6140
M8040

M4146

TORRE 2

SITJA
DE3
V4300

M4220

V8300

V4290

TORRE 1

V5140

M6100

M8230

V8290

B6101

M8220

M8060

V5141

M8050

M8150

M5130

REFREDADOR ANH

FORN 2

E8002

AHN

M8000

M8155

M6120

CR6110

M8160

M8070

Producte
Acabat

Producte
Acabat

Producte
Acabat

Producte
Acabat

Producte
Acabat

Producte
Acabat

SH

SH

R/SH

R/ANH

ANH

ANH

M8200

M6180

V8090

V8080

TORRE 2

M8170

F7071
Sitja

Sitja

Sitja

Sitja

Sitja

Sitja

DS3

DS2

DS1

DA1

DA2

DA3

M8100

M8120

M7070

FILTRE

M7050
M7040

M7000
M5070

M5080
E5072

M5090

M9090

E5082

E5092

M9080

E9092

M9070
B7001
E9082

E9072

FORN 3

AHN

M7020
CR7010

M5110
M8020
M7080
M9100

M7500

Figura 117. Diagrama de proceso

224

Desarrollo de la Propuesta
En el caso de la torre 2 tambin se iniciarn las pruebas con la misma operativa pero
condicionando un posible enclavamiento u orden de dosificacin a posibles
limitaciones mecnicas. Se hace referencia a los siguientes equipos:
Torre 1: Silo DJ8: M204.3 + V205.3
Silo DJ8: M306 + M305.1 + V307.1

-> BA1 - Bscula mayoritarios 4000 kg


-> BA2 - Bscula medianos 200 kg

Torre 2: Silo TDJ1: TM1070 + TV1080


Silo TDJ1: TV1460

-> BA4 - Bscula mayoritarios 4000 kg


-> BA5 - Bscula medianos 200 kg

En ambas torres se contemplan equipos de adicin manual (AM_MZ2 y AM_MZ4) de


productos para operaciones temporales y ser incorporados en las mezcladoras de
proceso:
Torre 1: Equipo de aditivos manuales AM_MZ2 incorpora en MZ1 (mayoritarios)
Torre 2: Equipo de aditivos manuales AM_MZ4 incorpora en MZ4 (minoritarios)
Los productos a aadir manualmente sern incorporados de igual forma en la
composicin de la frmula hacindose la peticin de stos (desde sistema Scada) en
el momento especificado del proceso.
Lnea dosificacin Torre 1:
El proceso est compuesto por las bsculas de dosificacin BA1 (mayoritarios), BA2
(medianos) y BA3 (minoritarios), AM_MZ2 (aditivos manuales) las cuales extraen
productos de los almacenes DJ5, 6, 8 y 9 para BA1, DJ8, DT10 y 11 para BA2, DN14
a DN 25 para BA3. En el caso de los aditivos manuales AM_MZ2 dispondr de los
productos existentes en el almacn multiproducto habilitado para tal. La dosificacin
de estos productos ser enviado a la/s mezcladoras MZ1 (BA1, AM_MZ2) y MZ2 (BA2,
BA3) a travs de los equipos de descarga de cada uno de ellos. Una vez el producto
en el equipo mezclador MZ1 se procede a la incorporacin de los productos desde
MZ2 y de INJ_PER01 (perlita). Una vez mezclados todos los productos y finalizado los
tiempos establecidos, el producto es enviado a los depsitos destinos de DG7 a DG11,
lnea de ensaque o bien a biga-bag.
Lnea dosificacin Torre 2:
El proceso est compuesto por las bsculas de dosificacin BA4 (mayoritarios), BA5
(medianos), BA6 (minoritarios), BA7 (minoritarios), AM_MZ4 (aditivos manuales) las
cuales extraen productos de los almacenes TDJ1 a 4 para BA4, TDJ1, TDT1 y 2 para
BA5, TDN1 a TDN5 para BA6 y TDN6 a TDN10 para BA7. En el caso de los aditivos
manuales AM_MZ4 dispondr de los productos existentes en el almacn multiproducto
habilitado para tal. La dosificacin de estos productos ser enviado a la/s mezcladoras
MZ3 (BA4) y MZ4 (BA5, BA6, BA7 y AM_MZ4) a travs de los equipos de descarga de
cada uno de ellos. Una vez el producto en el equipo mezclador MZ3 se procede a la
incorporacin de los productos desde MZ4 y de INJ_PER02 (perlita). Una vez
mezclados todos los productos y finalizado los tiempos establecidos, el producto es
enviado a las tolvas de ensaque TT8100 y TT8300 para alimentar las dos ensacadoras
existentes.
Lnea de ensaque:
No se realiza ningn control sobre estas lneas desde el sistema AEmes contemplando
slo el envo de producto desde Torre 1 y 2 a sus respectivas tolvas de alimentacin.

225

Desarrollo de la Propuesta
Tener presente que las tolvas de almacenamiento y alimentacin sobre estas lneas
T605, TT8100 y TT8300 sern tratadas como depsitos de forma que cada vez que el
operador decida seleccionar una de ellas para enviar producto desde cualquiera de las
torres deber realizar una accin de validacin y vaciado. Se recomienda esta
seguridad para evitar el mezclado de productos en la fase de ensaque.

3.5.2 Procesos en continuo Hornos semihidrato y anhidrita


Estos procesos estn destinados a realizar un tratamiento trmico a la materia simple,
producto compuesto o semielaborado que sea incorporado o procesado mediante
equipos para tal efecto como alimentadores, hornos, enfriadores... Este tipo de lneas
una vez han procesado el trabajo provocan un cambio de presentacin (polvo...) de
forma que el producto tratado es identificado como nuevo dentro del sistema segn
proceso.
Las lneas trabajan con una frmula la cual contempla productos y cantidades a
incorporar de la composicin junto a parmetros de equipos y de la propia lnea de
trabajo para establecer consignas y valores mximos / mnimos para el lote de
fabricacin (estos procesos trabajan con un nico lote y nunca se contempla la
posibilidad de crear mezclas dentro de ste).
Las rdenes de trabajo asociadas a este tipo de procesos son enviadas de forma
manual a travs de la seleccin libre de una frmula (cantidad indefinida) siendo
transportado el producto resultante a la destinacin seleccionada en la propia orden. El
inicio y finalizacin de estas rdenes ser a eleccin del propio operador y en la
frecuencia deseada segn necesidades del proceso o de planta por razones de
mantenimiento preventivo u otras causas.

Figura 118. Vista silos de estocaje de mineral


Para ambas lneas es necesario de mantener producto en las tolvas de alimentacin
DF1, 2 y 3 de forma permanente ya que los hornos no pueden funcionar en vaco. Esta
operacin de carga automtica es especificada en el apartado de recepciones,
expediciones y movimientos entre almacenes en Lnea de carga tolvas alimentacin
hornos 1, 2 y 3.

226

Desarrollo de la Propuesta

Figura 119. Proceso de carga de material a horno

227

Desarrollo de la Propuesta

El conjunto de silos de destino DS1, 2 y 3 para la lnea de semihidrato y los silos DA1,
2 y 3 para la lnea de anhidrita sern gestionados como dos nicos destinos (DS1+2+3
y DA1+2+3) para cada una de las lneas a nivel de gestin de datos desde el sistema
(Figura 118). Aunque sea tratado como un nico almacn a nivel de gestin existir la
posibilidad de seleccin silo a silo significando que desde el sistema Scada existirn
los tres silos disponibles de forma independiente (DS1, DS2, DS3 para SH y DA1, DA2
y DA3 para AHN).
En el caso de activacin de uno de los niveles de mximo hay capacidad para que
todo el producto que existe en el transporte hasta los pulmones sea almacenado en el
mismo depsito (Figura 119). En el supuesto que hubiera todos los niveles de mxima
activados del grupo de silos se parara el transporte de producto hasta el pulmn y
nunca el horno hasta que no se hubiera llenado ste (Figura 120).
Lnea Horno de Semihidrato:
El proceso se compone del horno FORN1 el cual es alimentado desde la tolva DF1 a
travs del alimentador M3000 para ser enviado el producto a las tolvas DE1 y 2, pasar
por los equipos de molturacin y enviado al enfriador M4160. Finalmente se enva el
producto resultante a un nico destino DS1+2+3 a travs del transporte a la salida del
enfriador.
Maniobra pulmones, molinos y cribas de entrada al enfriador:
A salida del horno existen tres posibilidades de destino siendo a travs del pulmn 1,
pulmn 2 o haciendo un bypass de ambos. Los propios pulmones contemplan dos
modos de funcionamiento:
-

Coincidente: Se realiza la descarga del mismo pulmn que se est llenando


Sincronizado: Se realiza la descarga de aquel pulmn que no est en fase
de llenado existiendo la posibilidad de parametrizar una frecuencia de
trabajo para realizar una alternancia tanto en el proceso de carga como en
el de descarga.

La seleccin de la criba por la que debe de pasar el producto tambin ser de forma
manual pero con la particularidad que el sistema permitir trabajar con una nica o con
las dos al mismo tiempo. Por defecto el sistema pondr en marcha las dos y ser el
propio operador quien decida parar alguna de ellas en el momento preciso.
La seleccin del molino de trabajo ser a cargo del operador y el sistema slo
permitir trabajar de forma simultnea con uno de los dos equipos.
El acceso a los parmetros de los variadores de frecuencia referidos al control del
alimentador de las cribas se realizar desde el sistema Scada y de forma manual.
Lnea Hornos de Anhidrita (Figura 105):
El proceso se compone del horno FORN2, y FORN3 los cuales son alimentados desde
las tolvas DF2 y3 a travs de sus respectivos alimentadores (M6100 y M7000) para
ser pasado el producto por los equipos de molturacin y enviado al enfriador M8160.
Finalmente se enva el producto resultante a un nico destino DA1+2+3 a travs del
transporte a la salida del enfriador.

228

Desarrollo de la Propuesta

Figura 120. Proceso de transporte de un horno de anhidrita a silos de destino

229

Desarrollo de la Propuesta
A contemplar que para la lnea de anhidrita existir una nica orden de trabajo comn
a los dos hornos con una misma frmula y producto. Para realizar un paro o
finalizacin de orden de trabajo se deben de finalizar todos los procesos iniciados en
cualquier de los equipos que forman la lnea de hornos 2 y 3 siendo condicin
indispensable.
Maniobra pulmn, molinos y cribas de entrada al enfriador:
A salida del horno existen dos posibilidades de destino siendo hacia el pulmn o
cribas. Se contemplarn las siguientes maniobras segn circunstancias del proceso:
-

Si se encontrasen los dos molinos o las dos cribas paradas el


producto ser enviado de forma inmediata al pulmn
En el caso que se encuentre alguno de los transportadores en estado
parado por diversas razones el producto ser enviado de forma
inmediata al pulmn
Si se detecta nivel de mximo en el pulmn se realizar un paro del
horno tras un tiempo parametrizable de aviso al operador.

La seleccin de la criba por la que debe de pasar el producto tambin ser de forma
manual pero con la particularidad que el sistema permitir trabajar con una nica o con
las dos al mismo tiempo. Por defecto el sistema pondr en marcha las dos y ser el
operador quien decida parar alguna de ellas en el momento preciso.
La seleccin del molino de trabajo ser a cargo del operador y el sistema slo
permitir trabajar de forma simultnea con uno de los dos equipos.
El acceso a los parmetros de los variadores de frecuencia referidos al control del
alimentador de las cribas se realizar desde el sistema Scada y de forma manual.

3.5.1 Recepciones, expediciones y carga a lneas de hornos


1, 2, 3 y torres
Estos procesos son los responsables de todas las recepciones de materias simples
(granel o envasado), expediciones de productos procesados en planta y de los
movimientos entre almacenes para restablecer productos a stos. Este tipo de lneas
no provocan nunca un cambio de presentacin y slo se dedican a transportar los
productos mediante equipos para tal efecto como transportes de arrastre, transportes
neumticos, bsculas o tolvas pesadoras...
Las lneas trabajan con una frmula asociada al producto a recepcionar, expedir o
transvasar la cual contempla posibles productos a incorporar para posible proteccin
de ste y cantidades junto a parmetros de equipos y de la propia lnea de trabajo
para establecer consignas y valores mximos / mnimos.
Las rdenes de trabajo asociadas a este tipo de procesos son enviadas de forma
manual a travs de la seleccin libre de un producto y frmula o tambin pueden ser
recibidas desde un sistema de gestin externo en el caso de las lneas de recepcin
(futura fase). No se contempla la opcin de generar rdenes de trabajo de forma
automtica para realizar transvases sobre almacenes segn requerimientos de
fabricacin (stas siempre deben de ser generadas a peticin de los operadores de
planta)

230

Desarrollo de la Propuesta

Las cargas manuales a los silos de dosificacin o aquellos en los cuales no se dispone
de un control mediante equipos automatizados inicialmente no sern contemplados.
Se configurarn dichos silos afectados con un tipo de dosificacin infinito significando
que el sistema realizar los correspondientes movimientos de salida de dichos
depsitos pero sin llevar un control de las entradas.
Existe una nica tolva de entrada de un nico producto proveniente de la cantera. Se
trata de un proceso completamente en continuo realizndose un transporte simultneo
a travs de la molienda primaria y sus cintas transportadoras con opcin de
seleccionar dos posibles destinos:
Destino 1: Grupo DL1 + 2 + 3
Destino 2: Grupo DL4 + 5 + 6
El control de la molienda primaria ser completamente en manual desde el sistema
Scada y a criterio del propio operador sin que exista ningn tipo de regulacin
automtica (lazo de control) realizada por el sistema.
Se dispondr de informacin de la lectura del peso de cada uno de los seis silos pero
a nivel de sistema slo se contempla la gestin como si de dos nicos depsitos se
tratarn. Existir la posibilidad de establecer unos valores de alarma mx. / min o de
referencia para estos niveles y asociados a cada silo.
Se realizar una carga automtica de producto para mantener un nivel mximo en las
tolvas (tolvas DF1, 2, y 3) de alimentacin a los hornos segn demanda de los niveles
de mximo de estas (prioridad de carga sobre DF1). El acceso a este control ser a
travs del sistema Scada con la opcin de habilitar la operacin de carga automtica y
de establecer prioridades y criterios de descarga para los seis silos disponibles. En las
funciones y criterios de descarga se contemplan las siguientes funcionalidades:
-

Habilitar / deshabilitar descarga silos DL1, 2, 3, 4, 5 y 6 para ser


seleccionado como origen del trasvase de producto a las tolvas DF1, 2
o3
Acceso a parametrizar un tiempo de descarga para cada uno de los
silos
Seleccin de activacin del elemento golpeador y vlvulas de soplado
de forma independiente para cada uno de los silos

El sistema realizar una vigilancia de carga y enviar rdenes de descarga a los silos
(mayor a menor siendo prioritario DS6) en funcin de su habilitacin y se irn
alternando dependiendo de su tiempo establecido de descarga y selecciones de
funciones especficas de cada silo.
Se realizar una carga automtica de producto para mantener una nivel mximo (falta
confirmar que nivel hay que tener en cuenta) en los depsitos DJ5, DJ6, TDJ1 y TDJ2
de dosificacin de semihidrato y anhidrita a las torres 1 y 2 segn demanda sobre nivel
de mxima. El acceso a este control ser a travs del sistema Scada con la opcin de
habilitar la operacin de carga automtica y de establecer prioridades y criterios de
descarga para los silos DS1, DS2 y DS3 de la lnea de semihidrato y DA1, DA2 y DA3
para la lnea de anhidrita. En las funciones y criterios de descarga se contemplan las
siguientes funcionalidades:
-

Habilitar / deshabilitar descarga silos DS1, DS2 y DS3 para ser


seleccionado como origen del trasvase de producto a los depsitos

231

Desarrollo de la Propuesta

TDJ1 y DJ5 y misma funcin sobre DA1, DA2 y DA3 para ser
seleccionado como origen del trasvase de producto a los depsitos
TDJ2 y DJ6
Acceso a parametrizar un tiempo de descarga (On/Off) para cada uno
de los silos para generar una alternancia entre estos y de esta forma
poder establecer una descarga homognea y no causar un llenado
excesivo de la cinta transportadora (repartimiento de producto).

El sistema realizar una vigilancia de carga sobre los silos TDJ1, TDJ2, DJ5 y DJ6 y
se enviarn rdenes de descarga a los silos en funcin de su habilitacin, cantidad,
etc., alternndose dependiendo de su tiempo establecido de descarga y selecciones
de funciones especficas de cada silo. El sistema de carga ser comn para las dos
torres existiendo un control especfico para cada una de las lneas de carga.
No se realiza ningn control sobre el proceso de expedicin desde el sistema AEmes.
Se tienen presente y se desarrolla la herramienta para una futura integracin al
sistema de gestin de empresa.

3.5.2 Equipos de Planta


3.5.2.1 Equipo Tolvas
El equipo est destinado a servir como punto de conexin temporal de producto entre
equipos dentro de un proceso. Se pueden encontrar tanto en procesos de recepciones
de materias, transportes, puntos de espera, almacenaje... y slo existe la posibilidad
de disponer de una mezcla completa dentro de sta.
Los equipos disponibles sern:
TO_MZ1 - Tolva mezcladora MZ1
TO_MZ3 - Tolva mezcladora MZ3
TO1_TRSH - Tolva pulmn 1 transporte semihidrato
TO_TRAHN - Tolva pulmn transporte anhidrita
TO_INJ1_PER - Tolva de perlita a mezcladora MZ1
TO_INJ2_PER - Tolva de perlita a mezcladora MZ3
TO2_TRSH - Tolva pulmn 2 transporte semihidrato
El proceso de carga consiste en la aportacin de producto que se efectuar desde los
equipos superiores supervisndose en todo momento el nivel mximo (en el caso de
existir) y ser notificado hacia los equipos superiores en caso de actuacin para parar la
aportacin de producto hacia ste.
Durante el proceso de descarga se enviar el producto al equipo inferior a travs del
transportador o apertura de la vlvula pudiendo disponer de un elemento vibrador /
golpeador ajustable en su frecuencia de trabajo. A travs del nivel mnimo del producto
se finalizar dicha descarga con posibilidad de retardar sta a travs de tiempos
parametrizables del propio equipo.
El equipo podr combinar el sistema de funcionamiento en paso a paso o continuo,
dependiendo de las necesidades del proceso en el cual est trabajando y en funcin
de los productos.

232

Desarrollo de la Propuesta
Se contemplan alarmas sobre los elementos controlados (roscas, raseras,
vibradores....) y alarmas de proceso (no presencia de producto durante la carga, no
decremento....)
3.5.2.2 Equipo Bscula
El equipo est compuesto por una tolva metlica instalada sobre clulas de carga con
la correspondiente electrnica que transforma la fuerza ejercida por el conjunto en la
lectura de peso. Es muy importante que el sistema de pesaje no oscile y est
montado, ajustado y calibrado correctamente ya que de ello depende la precisin de:
colas de cada, tolerancias, refines y consecuentemente control de estocs. El sistema
permite el ajuste por software de estos parmetros siempre y cuando no excedan de
unos mrgenes de seguridad.
Equipos disponibles:
BA1 - Bscula mayoritarios torre 1
BA2 - Bscula medios torre 1
BA3 - Bscula minoritarios torre 1
BA4 - Bscula mayoritarios torre 2
BA5 - Bscula medios torre 2
BA6 - Bscula minoritarios 01 torre 2
BA7 - Bscula minoritarios 02 torre 2
El sistema puede trabajar en monosilo cuando nicamente dosifica desde un nico silo
o multisilo hasta un mximo de tres depsitos simultneos (del mismo producto)
siempre y cuando sea posible mecnica y elctricamente.
Mecnicamente la estabilidad del conjunto debe cumplir un mnimo exigido por el
sistema de control a partir del cual no puede filtrar las interferencias que se acoplan a
la lectura. A ms estabilidad ms velocidad de dosificacin.
Se contempla un control con autoaprendizaje de los clculos de colas de cada
ajustando el valor en funcin de las ltimas dosificaciones. Los nuevos valores
calculados se deben de encontrar entre unos mrgenes de seguridad parametrizables
y cabe indicar que el sistema no permite dosificar una cantidad inferior a la cola actual.
En consecuencia, dependiendo del sistema y limitaciones mecnicas se podr
dosificar con ms o menos precisin.
La descarga se inicia con la apertura de la rasera siempre que el equipo inferior d
permiso para tal accin y se considerar descarga finalizada una vez el peso del
equipo cumpla, que est por debajo del peso mximo admisible para considerar el
vaciado completado.
Durante el proceso de dosificacin pueden aparecer diversas anomalas como falta de
producto, fallo de colas de cada, equipo no estable... todas ellas parametrizables
desde el propio equipo. En el equipo se contemplan alarmas sobre los elementos
controlados por este (aspiracin, raseras, vibradores....), alarmas relacionadas con el
peso (incremento, decremento, estabilidad....) y alarmas de proceso (tolerancias, colas
de trabajo, seleccin de silos...)
La capacidad, estabilidad y precisin de la bscula vendr dado por el tipo,
caractersticas mecnicas y clulas utilizadas en sta.

233

Desarrollo de la Propuesta
En este apartado no se hace referencia a los elementos dosificadores (variadores de
frecuencia, roscas, extractores, raseras....) ya que stos pertenecen al equipo depsito
y ya se encuentran descritos en dichos equipos.
Para detalle de la secuencia de descarga de las bsculas ver apartado referente a las
mezcladoras
3.5.2.3 Equipo Mezcladora
El equipo mezcladora tiene como finalidad recibir producto ya pesado o tratado por los
equipos superiores y mezclarlo durante un tiempo para garantizar la homogeneidad de
todos los productos.
Equipos disponibles:
MZ1 - Mezcladora mayoritarios torre 1
MZ2 - Mezcladora minoritarios torre 1
MZ3 - Mezcladora mayoritarios torre 2
MZ4 - Mezcladora minoritarios torre 2
El motor principal se pondr en marcha antes de realizar cualquier tipo de aportacin
de producto y tan slo se parar en caso de inactividad o por la actuacin de
seguridades.
La aportacin de producto se efectuar desde los equipos superiores y la secuencia
de aportacin de stos ser definida segn especificaciones de cada proceso
(mayoritarios, minoritarios, lquidos...). Una vez finalizado el proceso de carga se
iniciar (opcin de avanzar segn especificaciones) el tiempo total de mezcla y en el
caso de finalizacin de ste y se tenga equipos pendientes de finalizar se contar un
tiempo aadido. Tambin se contempla un tiempo mnimo de mezcla para las
situaciones anteriormente mencionadas para garantizar dicho tiempo con toda la
aportacin.
El proceso de descarga consistir en abrir la rasera de la mezcladora y se dar por
finalizado el proceso cuando se cumpla el tiempo total de descarga y la potencia de la
mezcladora sea inferior a la seleccin potencia establecida (en el caso de existir) ms
la confirmacin de presencia producto (nivel digital) en tolva receptora.
El motor principal puede disponer de elementos de proteccin y de una lectura
continua de potencia la cual comunicara sobre cualquier desviacin respecto a los
lmites establecidos.
En el equipo se contemplan alarmas sobre los elementos controlados (potencias,
raseras, motores....) y las alarmas de proceso (tiempos de fin descarga, no nivel
equipo posterior...)
MZ1 y MZ2 Secuencia de carga y mezclado torre 1
La bscula de mayoritarios BA1 es la primera en descargar hacia la mezcladora MZ1
siempre y cuando hayan finalizado la totalidad de las dosificaciones en el resto de
bsculas BA2 y BA3 (condicin necesaria para evitar posibles succiones entre equipos
en las descargas). Cuando alcance la cantidad de vaciado de un 80% del total de la
bscula se proceder a dar la orden de descarga sobre la mezcladora MZ1. Una vez
finalizada la descarga, iniciado el tiempo de mezcla y pasado un tiempo

234

Desarrollo de la Propuesta
parametrizable (aviso en el caso de exceder este tiempo) se dar la orden de
incorporar la perlita a travs del equipo INJ_PER01.
A tener presente que el tiempo total de mezclado empezar a contarse cuando se
hayan incorporado la totalidad de los productos a excepcin de la perlita.
MZ3 y MZ4 Secuencia de carga y mezclado torre 2
La bscula de mayoritarios BA4 es la primera en descargar hacia la mezcladora MZ3
siempre y cuando hayan finalizado la totalidad de las dosificaciones en el resto de
bsculas BA5, BA6 y BA7 (condicin necesaria para evitar posibles succiones entre
equipos en las descargas). Cuando alcance la cantidad de vaciado de un 80% del total
de la bscula se proceder a dar la orden de descarga sobre la mezcladora MZ4. Una
vez finalizada la descarga, iniciado el tiempo de mezcla y pasado un tiempo
parametrizable (aviso en el caso de exceder este tiempo) se dar la orden de
incorporar la perlita a travs del equipo INJ_PER02.
A tener presente que el tiempo total de mezclado empezar a contarse cuando se
hayan incorporado la totalidad de los productos a excepcin de la perlita.
3.5.2.4 Equipo Transporte
El equipo tiene como finalidad el transportar una materia / producto desde un equipo
emisor hasta uno de receptor. Este transporte ser efectuado por un conjunto de
elementos, los cuales trabajarn enclavados entre ellos. Durante el proceso de
transporte se pudieran dar situaciones de alarmas de proceso (niveles de mxima,
mnima, fallas en elementos...) y en consecuencia el paro de ste y posterior cambio a
origen / destino alternativos si los hubiese.
Equipos disponibles:
TR1_FORNSH Transporte horno semihidrato 01
TR_TOMZ3 - Transporte bajo tolva mezcladora MZ3
TR_TOMZ1 Transporte bajo tolva mezcladora MZ1
TR_PNE01 - Transporte neumtico 1 torre 1
TR_PNE02 - Transporte neumtico 2 torre 1
TR1_FORNANH - Transporte horno anhidrita
TR2_FORNSH - Transporte 2 horno semihidrato
TR_FORNAHN03 Transporte horno anhidrita 03
Para empezar a trabajar el equipo transporte tiene que tener disponibles, no ocupados
por otro equipo, todos los elementos que conforman la ruta escogida entre su equipo
emisor y receptor segn rdenes de trabajo asignadas. Este equipo siempre trabaja en
continuo y la aportacin de producto se efectuar cuando todos los elementos estn
posicionados y los equipos inferiores den el correspondiente permiso para recibir la
carga de dicho producto.
Los elementos controlados por el transporte recibirn las rdenes y se irn
posicionando desde el destino hacia su origen. En caso que un elemento entre en
anomala todos los elementos aguas arriba (hacia el origen) pasarn a parado y en el
supuesto que el equipo receptor fuera quien tuviera la anomala se indicar al emisor y
ste detendra la aportacin de producto.
En el equipo se contemplan alarmas sobre los elementos asociados (raseras,
motores....) y alarmas de proceso (elementos ocupados, perdida de secuencia,
deteccin de niveles mximos, cambios de destinos...)

235

Desarrollo de la Propuesta
3.5.2.5 Equipo Inyector
El equipo hace referencia a un sistema de carga en continuo de producto.
Equipos disponibles:
INJ1_PER - Inyector de perlita torre 1
INJ2_PER - Inyector de perlita torre 2
Este equipo trabaja en lnea (inyeccin directa) con dependencia o condicionado a
otros equipos y no tiene la capacidad de almacenar ninguna cantidad de producto
sobre l mismo. Normalmente estos equipos disponen de un nico depsito con el
cual trabaja pero cabe la posibilidad de poder conectar hasta un mximo de tres, pero
nunca existir la opcin de trabajo multisilo slo se permite la extraccin de uno de
ellos durante la inyeccin.
Se contempla un control con autoaprendizaje de los clculos de colas de cada
ajustando el valor en funcin de las ltimas inyecciones realizadas. Los nuevos valores
calculados se deben de encontrar entre unos mrgenes de seguridad parametrizables
y cabe indicar que el sistema no permite inyectar una cantidad inferior a la cola actual.
Durante el proceso de inyeccin pueden aparecer diversas anomalas, como falta de
producto, fallo en la cola de trabajo, lectura del caudalmetro no estable... todas
parametrizables. A parte en el equipo se contemplan alarmas sobre los elementos
controlados (caudal, raseras, motores....), alarmas relacionadas con la inyeccin
(incremento, decremento, estabilidad....) y alarmas de proceso (tiempos de fin
descarga, no nivel equipo posterior...)
Proceso de dosificacin y carga depsitos de perlita:
En cada ciclo de dosificacin se mantendr la aportacin de este producto hacia la
mezcladora hasta la no deteccin de producto por nivel de mnimo del depsito de
almacenaje. Una vez realizada la descarga a mezcladora se proceder a la carga del
depsito para la siguiente mezcla desde el almacn general de perlita de la planta. El
proceso consistir en mantener el dispositivo de impulsin en funcionamiento hasta la
deteccin del nivel mximo del depsito destino (torre 1 o 2).
Al realizarse una carga y descarga por niveles, regulados mecnicamente por los
operadores, el sistema no podr registrar la cantidad real de dosificacin. Para realizar
un registro y mantener el sistema coherente se har un movimiento de consumo en
base a la cantidad terica prevista desde la frmula que se est trabajando en el
momento del registro.
La secuencia de trabajo descrita se aplicar en ambas torres al mantenerse una
arquitectura idntica de trabajo.)
3.5.2.6 Equipo de Horno
Equipos disponibles:
FORN_SH Horno Semihidrato
FORN_AHN02 - Horno Anhidrita 02
FORN_AHN03 - Horno Anhidrita 03

236

Desarrollo de la Propuesta
3.5.2.7 Equipo de Depsito
El equipo tiene como finalidad almacenar producto para poder ser utilizado en los
procesos que estn conectados a stos (dosificacin, transvases...).
Equipos disponibles:
DJ1 a DJ12 Silos de almacenaje y dosificacin mayoritarios torre 1
DG7 a DG11 Silos expediciones granel torre 1
TDJ1 a TDJ4 Silos de dosificacin bscula de mayoritarios torre 1
DT10 y 11 Silos de dosificacin bscula medios torre 1
DN4 a DN25 Silos de dosificacin bscula de minoritarios torre 1
TDN1 a TDN5 Silos de dosificacin bscula minoritarios torre 2
TDN6 a TDN10 Silos de dosificacin bscula minoritarios torre 2
DC1 a DC3 Grupo silos crudo DC1, DC2 y DC3 recepcin y hornos
DC4 a DC6 Grupo silos crudo DC4, DC5 y DC6 recepcin y hornos
DF1 a DF3 Silos alimentacin lneas hornos semihidrato y anhidrita
DE1 a DE3 Pulmones de almacenamiento lneas hornos
DS1 a DS3 Silos almacenaje de semihidrato
DA1 a DA3 Silos almacenaje de anhidrita
Ensac1 a Ensac2 Silos de almacenaje de producto a lnea de ensacado
El depsito siempre trabajar subordinado a otro equipo que le aportar o extraer
producto de ste en funcin del proceso a ejecutar.
El proceso de carga ser ordenado por el equipo emisor de producto con la seguridad
de coincidencia entre el producto a entrar y el actual almacenado. Al igual que el resto
de equipos los depsitos comunican de posibles alarmas de niveles mximos de
capacidad u otros para realizar acciones en los equipos de llenado y parar
aportaciones o cambiar de destino...
Los elementos de descarga son controlados por el propio depsito pudiendo configurar
frecuencias de trabajo para las fases de grueso y refine en el caso de raseras
oscilantes, velocidades especficas para motores (caso de disponer de un variador de
frecuencia), tolerancias de trabajo, frecuencias de vibradores o golpeadores...
personalizable para cada depsito.
En el equipo se contemplan alarmas sobre los elementos controlados por este
(raseras, motores, niveles digitales....) y alarmas de proceso (elementos ocupados,
perdida de secuencia...)
3.5.2.8 Equipo de Adicin Manual
El equipo hace referencia a un sistema de incorporacin de producto con o sin control
de peso y que ser efectuada de una forma completamente en manual. La preparacin
de este producto podr hacerse de forma independiente del equipo destino y la
incorporacin de ste podr hacerse con dependencia del equipo destino de forma
que ser ste quin d el permiso de iniciar la incorporacin.
Equipos disponibles:
AM_MZ2 - Aditivos manuales a mezcladora 2 torre 1
AM_MZ4 - Aditivos manuales a mezcladora 4 torre 2

237

Desarrollo de la Propuesta
La preparacin de estos productos se podr realizar con informacin del producto a
preparar desde el propio sistema SCADA.
En el caso de no disponer de un sistema de descarga con elementos y el producto
tenga que ser tirado directamente al equipo destino (mezcladora) la preparacin se
efectuar durante el estado de descarga. Se seguirn las directrices desde la pantalla
del sistema SCADA y se finalizar con una validacin (pulsador a campo) del operador
sin dar por terminada la aportacin hasta realizada esta accin. Se configurarn los
equipos de aditivos manuales para que realicen una autovalidacin de todos los
productos a aadir a mezcladora pasando directamente a la espera de confirmacin
del operador desde la botonera a campo.
En el equipo se contemplan alarmas de proceso (tolerancias, finalizaciones, saltos de
productos, tiempos de descarga, no presencia de nivel, etc.)
3.5.2.9 Almacenes Multiproducto
Expediciones

de

Recepciones,

Aditivos

manuales

Se tendrn dos tipos de almacenes, aquellos que pueden contener un nico producto
(monoproducto) y los que pueden almacenar varios productos simultneamente pero
sin ser mezclados entre ellos (multiproducto). Los monoproductos van relacionados
con los equipos depsitos y en cambio los multiproducto no.
Para cada almacn se permiten acciones de regularizar, aadir y/o sacar existencias,
vaciar y quitar producto, aadir producto, movimientos entre almacenes... Estas
acciones estn disponibles tanto en almacenes monoproducto como multiproducto con
la particularidad que en estos ltimos se accede desde el propio almacn
seleccionando un producto y utilizando las funciones disponibles.
Almacenes disponibles:
Almacn multiproducto Recepciones - Origen
Almacn multiproducto Aditivos manuales - Origen
Almacn multiproducto Expediciones - Destino
Este tipo de almacenes no disponen de ningn control sobre elementos y slo es
gestionable desde el programa AEmes sin opcin de visualizarse desde el sistema
SCADA.
Almacn multiproducto Aditivos manuales - Origen
Acta cmo origen de los aditivos manuales, este contendr todos los productos que
se deban dosificar por los equipos de dosificacin manual AM_MZ2 y AM_MZ4...
Almacn multiproducto Expediciones - Destino
Se utilizar para cualquier producto que sea enviado como destino a camin (granel)
de la torre 1.

3.5.3 Proceso de calcinacin de anhidrita en continuo


La lnea de proceso de calcinacin de anhidrita en continuo consta de las siguientes
fases:

238

Desarrollo de la Propuesta
-

Entrada de mineral y transporte a hornos


Calcinacin de anhidrita en horno rotatorio continuo

3.5.3.1 Entrada de mineral y transporte a hornos

Existe una recepcin de mineral de la cantera que es descargado en la tolva


receptora. Este material pasa por una criba y un molino para finalmente ser
transportado hacia los silos de mineral DC1, 2, 3, 4, 5 y 6 (Figura 121)
Una vez almacenado en los silos DC1, 2, 3, 4, 5 y 6 de mineral crudo, el material es
descargado secuencialmente en tiempos de unos 10 segundos (parametrizables) y
transportado a los silos pulmn DF2 y DF3. Slo se podr descargar de un silo de
mineral a la vez, pudiendo habilitar y deshabilitar la descarga para extraer el material
de los silos que ms interesen.
Se puede configurar el proceso de fluidificacin y el golpeo del silo durante el proceso
de descarga.
3.5.3.2 Calcinacin de anhidrita en horno rotatorio continuo
Consta de las siguientes fases de trabajo:
1.
2.
3.
4.
5.
6.
7.

FASE INICIAL
FASE 1: Calentamiento de Mangas
FASE 2: Estabilizacin de Mineral
FASE 3: Trabajo
FASE PARADA CONTROLADA
FASE PARADA ALIMENTACIN
FASE PARADA HORNO

En la fase inicial se debern configurar ciertos parmetros de trabajo (Tabla 65):


- Paso por pulmn.
- Destino final.
- Cribas y molinos que se van a usar en el proceso de molturacin.
N Elemento
125
102
101
100
124
104
200
103
105
250

Clase
101
101
101
101
101
101
101
101
101
300

Denominacin
M6210
M6100
CR6110
M6120
M6180
M6170
F6171
M6150
M6140
B6101_INST

226
227
238
244

300
300
300
300
300

CR6110_AIT1
CR6110_AIT2
CV6110_CI
AP3060_INST
AP3060_AVG

126
111

101
101

M7110
M7000

Descripcin del elemento


Vibrador silo DF2
Cinta alimentacin horno AHN5
Quemador horno AHN5
Horno AHN5
Rosca salida horno AHN5
Ventilador filtro horno AHN5
Filtro horno AHN5
Rosca filtro horno AHN5
Alveolar filtro horno AHN5
Caudal instantneo bascula entrada horno
AHN5
Temperatura 1 quemador horno AHN5 (entrada)
Temperatura 2 quemador horno AHN5 (salida)
Totalizador de consumo de gas horno AHN5
Analizador partculas instantneo horno AHN5
Analizador partculas media horno AHN5
Vibrador silo DF2
Cinta alimentacin horno AHN6

239

Desarrollo de la Propuesta
N Elemento
110
109
112
106
201
107
108
251

Clase
101
101
101
101
101
101
101
300

Denominacin
CR7010
M7020
M7080
M7070
F7071
M7050
M7040
B7001_INST

228
229
239
245

300
300
300
300
300

CR7010_AIT1
CR7010_AIT2
CV7010_CI
AP3070_INST
AP3070_AVG

127
130
88
152
99
89
90
91
96
92
97
98
93
94
163
164
131
95
137
198
136
132
135
82
154
83
4
199
87
86
174
175
176

101
101
101
202
101
101
101
101
101
101
202
202
101
101
301
301
101
101
101
101
101
101
101
101
202
101
101
101
202
202
301
301
301

M7500
M8020
M8030
BY8035
M8000
M8040
M8050
M8060
M8150
M8070
V8080
V8090
M8100
M8120
M8100_AII
M8120_AII
M8155
M8160
M8250
F8251
M8230
M8170
M8200
M8210
Y8215
M8220
M8280
F8281
V8290
V8300
DA1_AIW
DA2_AIW
DA3_AIW

Descripcin del elemento


Quemador horno AHN6
Horno AHN6
Rosca salida horno AHN6
Ventilador filtro horno AHN6
Filtro horno AHN6
Rosca filtro horno AHN6
Alveolar filtro horno AHN6
Caudal instantneo bascula entrada horno
AHN6
Temperatura 1 quemador horno AHN6 (entrada)
Temperatura 2 quemador horno AHN6 (salida)
Totalizador de consumo de gas horno AHN6
Analizador partculas instantneo horno AHN6
Analizador partculas media horno AHN6
Transportador carga pulmn
Transportador carga pulmn/salida molienda
Elevador carga pulmn
Bypass carga pulmn
Alveolar salida pulmn
Rosca carga zarandas
Zaranda
Zaranda
Rosca salida zarandas
Rosca entrada molinos
Vlvula molino M8100
Vlvula molino M8120
Molino
Molino
Intensidad molino
Intensidad molino
Rosca entrada enfriador
Enfriador
Ventilador filtro enfriador
Filtro enfriador
Esclusa enfriador
Rosca salida enfriador
Esclusa transporte molienda
Elevador transporte molienda
Bypass a camin
Canal fluidificada transporte molienda
Ventilador filtro silo rechazo
Filtro silo rechazo
Vlvula entrada silo rechazo
Vlvula entrada silo DA2
Clulas de carga silo rechazo
Clulas de carga silo DA2
Clulas de carga silo DA3

Tabla 65. Elementos de control en la calcinacin de la anhidrita

240

Desarrollo de la Propuesta

Figura 121. Proceso de molienda primaria y almacenaje en silos de yeso crudo

241

Desarrollo de la Propuesta
En la FASE 1 de calentamiento de mangas, se arranca el filtro de mangas y el
quemador. Se mantiene en este estado hasta que se pasa a la FASE 2 de
estabilizacin de mineral, donde se alimenta el horno con el material del silo DF2 y
DF3 y se enva al silo de rechazo. Cuando el operario verifique que el producto cumple
con los requisitos de calidad, se pasar a la FASE 3 de trabajo donde se cambiaran el
destino de rechazo y se pasar el producto a los silos DA2 y DA3, pasando por el
tromel refrigerador, por las cribas y por los molinos de molienda.

3.5.4 Maniobras y secuencias de control de cada fase


3.5.4.1 Entrada Mineral
Llegar un camin para descargar el material a la tolva, el operador validara los datos
del viaje, escoger entre el grupo de silos DC1, 2, 3 y DC4, 5, 6 y arrancarn todos los
elementos de la secuencia de transporte desde el silo destino escogido hasta la tolva
piquera.
El alimentador M1010 dispone de un variador de frecuencia, la consigna del variador
se selecciona de forma manual en Scada, el operador dispone de indicadores de
consumo o velocidad de la machacadora para tomar la decisin correcta respecto a la
velocidad del alimentador (Tabla 66).
El molino dispone de una botonera con un selector para arrancar de forma manual.
El molino tambin dispone de una seguridad de tensin que para el motor.
La parada de este molino se puede configurar a travs de un tiempo de retardo.
Los silos de minerales disponen de nivel digital y nivel analgico. Si marca el nivel de
mxima de un silo que est enviando sonar el claxon para avisar al operador.
Los silos se llenan secuencialmente dado que las raseras siempre estn abiertas.
En el caso de marcar el nivel de mxima del ltimo silo de cada grupo (DC3 y DC6) se
parar la aportacin de material.
56
57
58
59
55
54
53
52

Clase
202
202
202
202
101
101
101
101

51
50
49
48
218
160
252

101
101
101
101
101
301
301

Denominacin
M1090
M1100
M1110
M1120
M1080
M1070
M1060
M1050
IMAN1
IMAN2
M1040
M1030
M1020
M1010
M1000
M1030_AII
M1030_VEL

Descripcin del elemento


Vlvula entrada silo DC1
Vlvula entrada silo DC2
Vlvula entrada silo DC4
Vlvula entrada silo DC6
Redler
Redler
Redler
Redler

Redler
Molino
Redler
Redler
Golpeador piquera
Consumo intensidad machacadora
Velocidad machacadora

Tabla 66. Elementos de control en la entrada de mineral

242

Desarrollo de la Propuesta
Otros motivos que provocan una parada de alimentacin son:
Intensidad alta del molino o parada de este.
Deteccin por parte del imn.
Nivel de mxima en los silos de crudo.
Detector de revoluciones bajo.
3.5.4.2 Alimentacin hornos
Para descargar el mineral de los silos se pondr en marcha los elementos de
transporte des de los silos DC1DC6 hasta los silos DF1, DF2, DF3.
El material es descargado secuencialmente de los silos DC1DC6 en tiempos de
unos 10 segundos (parametrizables) y transportado a los silos pulmn DF2 y DF3.
Slo se puede descargar de un silo de mineral a la vez, pudiendo habilitar y
deshabilitar la descarga para extraer el material de los silos que ms interesen.
Se podr configurar el proceso de fluidificacin y el golpeo del silo durante el proceso
de descarga.
3.5.4.3 Calcinacin Horno Anhidrita
En ste apartado se detallarn las secuencias del horno de calcinacin de anhidrita
(Tabla 67 y Tabla 68).
60
61
62
63
64
65
66
67
68
69
70
71
72
73
210
211
212
213
214
215
74
75
76
77
78
79

Clase
101
101
101
101
101
101
101
101
101
101
101
101
101
101
201
201
201
201
201
201
101
101
101
101
101
101

Denominacin
M2000
M2010
M2020
M2030
M2040
M2050
M2060
M2070
M2080
M2090
M2100
M2110
M2120
,M2125
E2000
E2010
E2020
E2030
E2040
E2050
M2190
M2200
M2210
M2220
M2230
M2240

Descripcin del elemento


Cinta descarga DC1
Cinta descarga DC2
Cinta descarga DC3
Cinta descarga DC4
Cinta descarga DC5
Cinta descarga DC6
Cinta descarga grupo DC1DC3
Cinta descarga grupo DC4DC6
Cinta transporte
Cinta transporte
Rosca carga silos hornos
Rasera entrada DF1
Rasera entrada DF2
Rasera entrada DF3
Vlvula fluidificacin DC1
Vlvula fluidificacin DC2
Vlvula fluidificacin DC3
Vlvula fluidificacin DC4
Vlvula fluidificacin DC5
Vlvula fluidificacin DC6
Golpeador DC1
Golpeador DC2
Golpeador DC3
Golpeador DC4
Golpeador DC5
Golpeador DC6

Tabla 67. Elementos del control de la alimentacin de hornos

243

Desarrollo de la Propuesta
Alimentacin de mineral AHN5
Cinta alimentacin silo DF2
M6100
Vibrador silo DF2
M6210
Alimentacin de mineral AHN6
Cinta alimentacin silo DF2
M7000
Vibrador silo DF2
M7110
Quemador AHN5
Filtro mangas
Ventilador captacin de polvo
Quemador

F6171
M6170
CR6110

Quemador AHN6
Filtro mangas
Ventilador captacin de polvo
Quemador

F7071
M7070
CR7010

Rosca

Transporte evacuacin bsica AHN5


M6180

Rosca

Transporte evacuacin bsica AHN6


M7080
Transporte evacuacin bsica

Bifurcacin
Elevador
Rosca
Rosca

Y8035
M8030
M8020
M7500

Molienda y enfriado
Rosca carga zarandas
Zaranda
Zaranda
Rosca salida zarandas
Rosca entrada molinos
Vlvula molino M8100
Vlvula molino M8120
Molino
Molino
Rosca entrada enfriador
Enfriador
Ventilador filtro enfriador
Filtro enfriador
Esclusa enfriador
Rosca salida enfriador
Esclusa transporte molienda
Elevador transporte molienda
Bypass a camin
Canal fluidificada transporte molienda
Ventilador filtro silo rechazo
Filtro silo rechazo
Vlvula entrada silo rechazo
Vlvula entrada silo DA2

M8040
M8050
M8060
M8150
M8070
V8080
V8090
M8100
M8120
M8155
M8160
M8250
F8251
M8230
M8170
M8200
M8210
Y8215
M8220
M8280
F8281
V8290
V8300

Recuperacin de finos AHN5


Rosca descarga filtro captacin de M6150
polvo
Esclusa descarga filtro captacin de M6140
polvo

244

Desarrollo de la Propuesta

Recuperacin de finos AHN6


Rosca descarga filtro captacin de M7050
polvo
Esclusa descarga filtro captacin de M7040
polvo

Tabla 68. Grupos de proceso en la calcinacin de anhidrita


Como ya se ha enunciado, el proceso de calcinacin para el horno de anhidrita consta
de una serie de fases de trabajo:
1.
2.
3.
4.
5.
6.
7.

FASE INICIAL
FASE 1: Calentamiento de Mangas
FASE 2: Estabilizacin de Mineral
FASE 3: Trabajo
FASE PARADA CONTROLADA
FASE PARADA ALIMENTACIN
FASE PARADA HORNO

En la fase inicial se tendrn todos los elementos parados y sin anomala, es decir, es
la fase de permiso de arranque (Tabla 69).

Fase inicial
1
2

Estado inicial elementos parados


Botones Fase 1,2, trabajo habilitados
Accin paso a Fase 1

Fase 1 Calentamiento de mangas


1
2
3

Arrancada Ventilador filtro


Arrancada filtro
Permiso arrancada quemador
Accin paso a Fase 2

Fase 2 Estabilizacin material


1

Arrancada elementos molienda.


1
Arrancada de los elementos de carga a pulmn:
Elevador M8030, M8020, M7500.
2
Arrancada elemento molino segn configuracin
3
Se espera un tiempo espera molinos a rgimen
4
Se arrancan elementos salida hacia silos
destino: M8220, M8210,
M8200,
M8170,
M8160, M8155, M8150 y la rosca de
alimentacin de los molinos, destino final ser
rechazo.
5
Se arrancan las cribas segn configuracin.
6
Se arranca M8040 alimentacin cribas.
7
Girar bypass Y8035
En caso de fallo en el circuito se girara el
bypass a pulmn

245

Desarrollo de la Propuesta
Fase 2 Estabilizacin material
2
3
4
5
6

Se arranca elemento descarga horno M6180


Se arranca motor principal horno M6120 y cinta
alimentadora M6100.
Se arranca elementos descarga finos M6150, M6140.
Se habilita el paso a fase de trabajo
Control de aviso de 1 hora de aportacin de producto

Se habilitan avisos de fallo de aportacin de material


en base a una estrella colocada en la cinta
alimentadora, el tiempo es configurable.
7

Accin paso a Fase 3 de trabajo

Fase 3 Fase trabajo


1

Se habilitan los controles para el cambio de destino


Todo el circuito ya est en marcha de la fase 2, slo
se controlar los niveles mximos de los destinos y el
estado de los distintos elementos que se han
arrancado.

Parada controlada
1
2

Cambio de destino a rechazo


Se habilitan las opciones de parada alimentacin y
para del horno
El operador pulsa parada alimentacin
1
Se para el quemador
2
Se para la cinta alimentadora
El operador pulsa parada horno
1
Se para los elementos del filtro
2
Se paran los elementos de descarga del horno
3
Se paran los elementos del horno
4
Se paran los elementos de la molienda, se
tendr en cuenta si el otro horno esta parado o
en marcha.
5
Se habilita la fase inicial para empezar el
proceso de nuevo.

Parada de emergencia
1
2
3

Se paran todos los elementos al momento


Se deshabilita la carga del silo para que no se cargue
de material.
Se inicializa la secuencia para poder entrar en fase
inicial una vez finalizada la emergencia

Tabla 69. Bloques de programacin y seales para proceso de calcinacin

Se pueden configurar los tiempos de retardo a la arrancada y parada de todos los


elementos (Tabla 70).

246

Desarrollo de la Propuesta
Fase 2 Estabilizacin del material

Fase 3 - Trabajo

Fase parada controlada

Preparado

Preparado

Arrancado

Arrancado

Arrancado

Parado

Parado

Preparado

Arrancado

Arrancado

Arrancado

Arrancado

Parado

Parado

Transporte
de
evacuacin
bsica
Molienda y
enfriado
Recuperacin
de los finos
del filtro

Preparado

Preparado

Arrancado

Arrancado

Arrancado

Parado

Parado

Preparado

Preparado

Arrancado

Arrancado

Arrancado

Opcional

Parado

Preparado

Preparado

Arrancado

Arrancado

Arrancado

Parado

Parado

Fase parada horno

Fase 1 Calentamiento de mangas

Alimentacin
de mineral
Quemador

Fase parada alimentacin

Fase inicial

Subgrupo

Tabla 70. Grupos en funcionamiento en la calcinacin de anhidrita


3.5.4.4 Anomalas
Si se tiene alguna anomala de alguno de estos elementos que forman los grupos de
transporte evacuacin bsica, quemador se para el quemador y en consecuencia el
horno y la alimentacin si estos estuviesen en marcha.
En caso de parada de algn elemento del transporte a silos destino se girar el bypass
Y8035 a pulmn, si este se llena se producira una parada de todo el conjunto.
Una vez se tienen todos los elementos en marcha, se habilitar la opcin de pasar a la
fase 2 (estabilizacin de mineral), donde se podr en marcha la alimentacin del
horno, el horno y el transporte hacia silos de destino.
Se pueden configurar los tiempos de retardo a la arrancada y parada de todos los
elementos.
Si se tuviese anomala del motor del horno si que se parara el quemador.
Se controlaran tambin los desplazamientos laterales del horno y se dar una seal de
alarma mediante un control por histresis, pero no se parar nada.
Si se tuviera una avera en la cinta alimentadora, se avisara a un tiempo configurable,
al cabo de 3 minutos se provocara la parada del quemador.
Se dispone de detectores de giro en los motores del horno para detectar que ste no
gira (estn punteados por avera mecnica)
Se dispone de sensores de partculas con indicadores instantneos y de media para
cada uno de los hornos a la salida del filtro de humos.

247

Desarrollo de la Propuesta

La secuencia del horno se mantendr en esta fase hasta que el operario compruebe
que el material cumple con los requisitos de calidad y decida cambiar a la fase 3
(Trabajo).
Cuando el operario la active, tendr que escoger manualmente un silo de destino.
El transporte de salida de molienda arrancar en automtico cuando se inicia la fase
de estabilizacin, el operador dispondr de opciones de paro y marcha independientes
de la secuencia del molino para el transporte de molienda.
La descarga del pulmn se habilitar a criterio del operador con unos tiempos de paro
marcha del elemento de descarga.
Se pueden configurar los tiempos de retardo a la arrancada y parada de todos los
elementos. Esto servir para alargar los tiempos de parada de filtros y vlvulas.
Los motores de los molinos de afino M8100 y M8120, poseer un detector de
intensidad en bucle 420 mA para que el Scada d la seal de alarma si se
sobrepasa los limites normales de funcionamiento.
Por cualquier problema en la ruta, se girar el bypass Y8035 al pulmn. La ruta
quedara parada desde el elemento en anomala hacia atrs.
Por cualquier problema en proceso de molturacin, se girar el bypass Y8035 al
pulmn. La ruta quedara parada desde el elemento en anomala hacia atrs.
Si contina el problema en el transporte hacia silos y se llena el silo de pulmn
entonces se parar el horno.
3.5.4.5 Visualizaciones
Se visualizan todas las seales analgicas de temperaturas, niveles, velocidades,
consumos, etc Tambin las alarmas relacionadas con estas mediciones.
Para parar el proceso del horno, el operario pulsar el botn de (fase: parada
controlada).
En esta fase del proceso, lo primero que se har es parar el quemador CR6110. Todo
seguir en marcha hasta que el operario manualmente pulse el botn de (fase: parada
alimentacin). En esta fase se parar la cinta de alimentacin del horno.
Una vez que ya no llegue ms material al horno, el operario podr pulsar el botn de
(fase: parada horno).
En esta fase se pararn los elementos del horno y del transporte hacia el silo destino,
finalmente se parar la aspiracin.
Todos los elementos tienen un tiempo parametrizable para retrasar la parada. De esta
manera se puede asegurar un tiempo de limpieza del circuito.

248

Desarrollo de la Propuesta
3.6

SISTEMA DE REGULACIN

En este apartado se definir y calcular el controlador tipo PID que se usar para
realizar los lazos de control del proceso de calcinacin de anhidrita en un horno
rotativo. Existen algunos estudios de aplicacin de un PID simple en hornos mediante
el control de nicamente dos entradas y dos seales de salida (Lozano et al., 2000).
En el captulo 2.3 se ha estudiado el estado del arte de los controladores de este tipo
y en el apartado 3.6 anterior la descripcin y funcionamiento de la automatizacin de
los equipos de calcinacin. Por otra parte, en el apartado 3.4 se han evaluado las
variables implicadas en la calcinacin y se han decidido las ms importantes en el
gobierno del proceso. El objetivo de la implantacin de este tipo de controlador es el
de asegurar y mejorar el funcionamiento automtico del horno, siempre en las
condiciones ptimas de autorregulacin.

3.6.1 Variables a regular


Como se ha visto en el apartado 3.4 las variables que gobiernan el proceso y sus
seales de control, son las reflejadas en la Tabla 71.
Proceso

Parmetros de control

Monitorizacin Caudal Material Qm


Caudal Gas Natural Qg

M6170_AOS
CV6110_CI

Temperatura Material Tm

CR6110_AIT2

Temperatura Refractario Tr

CR6110_AIT1

Temperatura Emisiones Te

F6171_AIT1

Emisiones Qe
Actuacin

Seal

Frecuencia Variador Material Cm

M6100_AOS

Apertura Vlvula Gas Cg

VP6110_AIZ

Frecuencia Variador Ventilador Ce

M6170_AOS

Tabla 71. Variables de control para el proceso de calcinacin


La finalidad del sistema de regulacin continua del proceso es conseguir la mxima
regularidad en el proceso de combustin, manteniendo la homogeneidad del producto
acabado, significando, adems una mayor eficiencia energtica del proceso

3.6.2 Aplicacin de controlador PID


Se realizar la programacin en los bloques de control correspondientes del nivel PLC
(Schneider Quantum) para que acten como PID y sus correspondientes conexiones
al nivel de supervisin Scada (Citect Scada) del sistema de automatizacin general.
Como ya se ha detallado, todo el proceso est controlado por el sistema AEmes a
nivel MES (Figura 122). La programacin de los bloques se realiza en un lenguaje
segn IEC 61131-3.

249

Desarrollo de la Propuesta

Figura 122. Esquema de conexiones entre elementos


El PLC dispone de una extensa librera de bloques de funcin para la regulacin de
procesos continuos, por lo que se propone la utilizacin de este equipo a tal fin. Para
la monitorizacin de las diferentes variables del proceso y para la modificacin de
parmetros de regulacin e historizacin para posterior anlisis, se utilizar el sistema
Citect Scada.
De la observacin del proceso actual se desprende que el sistema presenta un
importante retardo, adems de que en la respuesta seguramente influyen multitud de
factores difcilmente identificables. Por ello, se propone la utilizacin de los bloques
funcionales PID con los que es fcilmente ajustable en ganancia y tiempo de
integracin de error a fin de adaptarse a las caractersticas mencionadas.
La variable que se debe controlar en todo momento es la temperatura del producto
calcinado Tm. Pero este sistema simplemente, presentara inestabilidades indeseables
debido al extremo retardo que presenta el sistema. Por otra parte, se dispone de la
medida de la temperatura de los gases de salida, medida mediante el valor de la
temperatura del material refractario Tr, que es una importante indicacin avanzada de
la temperatura que se obtiene despus de un tiempo en el material a la salida Tm.
Por ello, se implementar un sistema con dos reguladores PID en configuracin en
cascada. En esta configuracin, el regulador PID principal al que se le indicara la
consigna de temperatura del material a la salida, en funcin del error, su algoritmo de
control actuar sobre la entrada de guiado en cascada del segundo regulador. Este
segundo bloque, en funcin de la temperatura de gases de salida actuara sobre la
vlvula de gas de combustin, modificando el caudal de gas Qg.

250

Desarrollo de la Propuesta

El bloque funcional propuesto, por su funcionalidad avanzada, para estos reguladores


es el bloque COMP-PID (Figura 123).

Figura 123. Diagrama de la estructura del controlador COMP_PID


3.6.2.1 Funcionamiento
El mdulo de control PID acta de la siguiente forma: En virtud de la magnitud de
referencia SP y la magnitud de regulacin PV, se forma una diferencia de regulacin
ERR. Esta diferencia de regulacin ERR provoca una variacin de la magnitud de
posicionado Y.

251

Desarrollo de la Propuesta
Las propiedades del mdulo son las siguientes:
-

Regulador PID real con ajuste independiente de gain, ti, td


Modalidades de servicio Manual, Detenido, Automtico, Cascada, Reseteado,
Ajuste de valor manual
Limitacin de crecimiento para servicio manual
Ajuste del seguimiento del valor manual
Limitacin de crecimiento para los valores de guiado.
Conmutacin manual/automtico sin brusquedad
Limitacin de magnitudes de posicionado
Componentes P, I y D conectables en forma independiente y sin brusquedad
Modificacin de la amplificacin sin brusquedad
Se puede elegir entre Reseteado Antiwindup o Detencin Antiwindup
Desplazamiento de los lmites Antiwindup con respecto a los lmites de
posicionado
Medida Antiwindup slo si est activa la componente I
Tiempo de retardo de la componente D definible
Componente D conmutable a magnitud de regulacin PV o diferencia de
regulacin ERR
Zona de insensibilidad con reduccin de la amplificacin
Punto de trabajo externo (en servicio P, PD y D)
Conmutacin Manual/Automtico seleccionable con y sin brusquedad

3.6.2.2 Funcin de transferencia


La funcin de transferencia del mdulo PID ser la siguiente:
(

donde
gain es el factor de amplificacin
ti es la constante de tiempo de posicionado
td el tiempo de avance respecto al valor terico
td_lag el retardo de la componente diferencial
Tambin se puede describir cmo:

donde
YP es la funcin proporcional
YI la funcin Integral
YD la funcin diferencial
Con la particularidad de que mediante los parmetros de modalidad de servicio puede
seleccionarse en todo momento la habilitacin o no de cada uno de los componentes
(YP, YI y YD).
A nivel de sistema de supervisin (Scada Citect) se accede a los parmetros de
control y modalidad del bloque, punto de consigna y valor para posicionado manual, a
fin de tener un sistema de interaccin con el bloque. Tambin a este nivel se historizan
las variables de proceso. A fin de mejorar la respuesta del sistema a los cambios del

252

Desarrollo de la Propuesta
flujo de alimentacin de material que se producirn en el proceso y que actuaran
como perturbaciones que introduciran inestabilidades temporales, se conectara la
seal de la bscula continua a la entrada FEED-FWD del segundo regulador. Esto
representara un control en avance que actuara de inmediato sobre la accin de la
vlvula de gas siguiendo la evolucin de la alimentacin de mineral.
Se propone establecer unos factores de correccin de esta variable a introducir desde
el sistema de supervisin a fin de adecuar la amplitud de esta accin al estado de
humedad del producto.
3.6.2.3 Parmetros del PID
Los parmetros que gobernaran el PID de la Figura 124 se detallan en la Tabla 72:

Figura 124. Representacin del bloque PID


Parmetros
SP
PV
SP_CAS
MODE

Tipo de datos
REAL
REAL
REAL
Mode_COMP_PID

PARA

Para_COMP_PID

YMAN
YRESET
FEED_FWD

REAL
REAL
REAL

OFF
Y
ERR
STATUS
SP_CAS_N
YMAN_N
OFF_N

REAL
REAL
REAL
Stat_COMP_PID
REAL
REAL
REAL

Significado
Valor de consigna de la variable controlada
Valor real de la variable controlada
Consigna de guiado para cascada
Parmetros de modalidad de servicio (Manual, Reset,
Pausa, etc.)
Parmetros del algoritmo de regulacin (Componentes P, I y
D)
Valor de salida para posicionamiento manual
Valor de reseteado para la salida
Entrada para ajuste en adelanto de la salida a una seal de
perturbacin
Offset para la seal de salida
Salida de control a elemento de actuacin
Salida indicacin error de medida
Salida de estado funcional del bloque
Salida de guiado para cascada
Salida de la seal de accin manual
Salida de la seal de offset

Tabla 72. Descripcin de los parmetros del PID

253

Desarrollo de la Propuesta

3.6.2.4 Arquitectura de control


En la Figura 125 y Figura 126 se muestra el diagrama de control PID
Se describir a continuacin la red de control del PLC y el detalle de sus
componentes.

Figura 125. Diagrama de control de la aplicacin de dos PID en cascada


Bloque CPID_1:
El primer bloque de control CPID_1 corresponde al regulador principal. En este, el
parmetro SP proviene del sistema de supervisin y en l se establece la temperatura
deseada en el material calcinado.
El parmetro PV es la temperatura real del material al final de la etapa de calcinacin.
La comparacin entre estos valores es el error sobre el que se basar el bloque para,
en funcin de los parmetros de regulacin actuar sobre la seal de guiado del
segundo regulador
Este bloque es el que debe controlar la temperatura del producto final. Se considera la
accin P (Proporcional) e I (Integral). El bloque dispone de las seales de entrada
segn Tabla 73.
Las frmulas de actuacin de las diferentes componentes sern:

Siendo

Para la funcin integral:

254

Desarrollo de la Propuesta

Donde:
YI(old) es el valor YI de la ltima exploracin
ERR(new) es el valor ERR actual
ERR(old) es
el valor
ERR deDE
la BEUDA
ltima exploracin
ALGISS
FABRICA
(CAN SOLEY)
Dt es la deriva de tiempo desde la ltima exploracin
ti es una constante
de integracin
SISTEMAde
DEtiempo
REGULACIN
HORNO DE ANHIDRITA
NIVEL SCADA DE SUPERVISIN
PARA_PID2

PARA_PID1
PARA.
MINERAL

SP

YMAN

PARA

PARA

MODE

PARA_PID3

SP

SP

PARA

YMAN

MODE

YMAN

PARA

MODE

NIVEL PLC
DE CONTROL
PARA
SP

PARA

MODE

PID_1

PID_2

YMAN
PV

PARA
IN

F_F

SCAL.

OUT

PARA

MODE

SP_CAS

Y1

SP

Y1

YMAN

YMAN

PV

PV

F_F

F_F

MODE

PID_3

Y1

NIVEL DE PROCESO

Q.M.
V.F.
P. T.
T. G.

ENTRADA DE MINERAL

WG

T. H.

VENTILADOR DE TIRO
FILTRO DE MANGAS

ENTRADA DE GAS

T. Mat.
SALIDA DE PRODUCTO

Figura 126. Arquitectura del control PID

255

Desarrollo de la Propuesta
La salida de control Y ser en todo momento igual a

Por tanto, la accin correctora ser la suma del error sobre la medida obtenida ms la
integracin del mismo en el tiempo estipulado.
Parmetros
SP
PV
MODE
PARA

Tipo de datos
REAL
REAL
Mode_COMP_PID
Para_COMP_PID

Y
STATUS

REAL
Stat_COMP_PID

Significado
Consigna de temperatura proveniente del SCADA
Seal de la sonda de temperatura de material calcinado
Seales de control provenientes del SCADA
Parmetros de control del lazo provenientes del SCADA
- gain: Ganancia de la accin de regulacin
- ti: Constante del tiempo de integracin
- ymax Valor mximo que puede tomar la accin
del actuador
- ymin Valor mnimo que puede tomar la accin del
actuador
Salida de control para pilotaje del segundo lazo (Cascada)
Indicacin de estado al SCADA

Tabla 73. Seales del bloque CPID_1

Dado que es un proceso con un largo retardo debido al recorrido del material, deber
ajustarse un tiempo de integracin en consecuencia largo para evitar oscilaciones que
lleven el proceso a la inestabilidad. Adems, teniendo en cuenta que la temperatura de
humos deber mantenerse dentro de unos mrgenes (debe evitarse la salida de
humos demasiado fros que puedan provocar condensaciones en los filtros o
demasiado calientes que puedan quemar las mangas filtrantes), deber establecerse
los correspondientes limites para la variable de salida.
Bloque CPID_2:
El segundo regulador de la arquitectura de cascada es el que acta sobre la accin de
la vlvula de gas. En este, la seal de guiado de cascada es la que proviene de la
salida del primer regulador El parmetro PV es la temperatura real de los gases de
salida del horno.
La salida Y, es funcin del error de medida calculada de acuerdo a los parmetros de
regulacin del bloque funcional y acta directamente sobre la vlvula de combustible.
En este segundo regulador, tambin se utilizar el parmetro de entrada YMAN, ya
que se supone que durante la fase de arranque del horno se deber actuar sobre la
aportacin de gas independientemente de la regulacin per temperatura hasta
alcanzar un cierto nivel. En este bloque, tambin se utiliza la entrada FEED_FWD. A
esta se conecta la seal de flujo de material de entrada al horno. Esta seal acta
directamente de forma proporcional sobre la accin de la vlvula de gas.
A fin de ajustar el nivel de accin sobre este elemento en funcin de la variacin de la
seal de entrada, se utilizar el bloque SCALIN. Se utilizarn los parmetros de este
bloque para la correccin de ganancia de esta accin en funcin del estado de

256

Desarrollo de la Propuesta
humedad i/o calidad del material crudo. Los parmetros de este bloque sern
parametrizables desde el sistema de supervisin.
Este bloque es el que debe controlar la temperatura de humos del horno. Se considera
que el valor de esta variable es un indicador en avance de los valores futuros de la
temperatura de producto.
Se considera la accin P (Proporcional) e I (Integral)
El bloque dispone de las seales de entrada segn Tabla 74
Parmetros
Tipo de datos
SP
REAL
PV
MODE
PARA

FEED_FWD
Y
STATUS

Significado
Consigna de valor de proceso proveniente del controlador
superior (cascada)
REAL
Seal de la sonda de temperatura de humos
Mode_COMP_PID Seales de control provenientes del SCADA
Para_COMP_PID
Parmetros de control del lazo provenientes del SCADA
- gain: Ganancia de la accin de regulacin
- ti: Constante del tiempo de integracin
- ymax Valor mximo que puede tomar la accin
del actuador
- ymin Valor mnimo que puede tomar la accin del
actuador
REAL
Entrada de control en avance de la accin de salida
REAL
Salida de control para pilotaje de la vlvula de gas
Stat_COMP_PID
Indicacin de estado al SCADA
Tabla 74. Seales del bloque CPID_2

Las frmulas de actuacin de las diferentes componentes sern:

Siendo

Para la funcin integral:

Donde:
YI(old) es el valor YI de la ltima exploracin
ERR(new) es el valor ERR actual
ERR(old) es el valor ERR de la ltima exploracin
Dt es la deriva de tiempo desde la ltima exploracin
ti es una constante de tiempo de integracin
La salida de control Y ser en todo momento igual a

257

Desarrollo de la Propuesta

Por tanto, la accin correctora ser la suma del error sobre la medida obtenida ms la
integracin del mismo en el tiempo estipulado. Adems en este caso se aade
tambin la seal en avance FEED_FWD. Este modificador permite ajustar la accin de
la vlvula de gas a las variaciones del flujo del material de entrada sin tener que
esperar a la reaccin al error que se producira con retardo en caso de que no se
tuviera en cuenta.
Ya que este proceso se considera relativamente corto en el tiempo, se ajustar una
constante de tiempo de integracin breve a fin de tener una accin correctora
suficientemente rpida.
Tambin se establecen unos lmites a la salida de control para evitar que la accin
sobre la vlvula de gas pueda salir de los mrgenes de seguridad establecidos.
Bloque CPID_3:
Este bloque de control corresponde a la regulacin del tiro del horno a travs de la
variacin de velocidad del correspondiente ventilador. Existen 2 posibles estrategias
para la regulacin de esta variable:
-

Control proporcional en funcin de la cantidad de combustible (Figura 127). En


este caso, se regula la velocidad del ventilador en lazo abierto en funcin del
gas que se est introduciendo al proceso. Es necesario identificar la curva de
correspondencia entre la admisin de gas y las revoluciones del ventilador a fin
de configurar el bloque SCALIG, que es que proporciona la consigna al
variador de frecuencia en funcin de la posicin de la vlvula de entrada de
gas. Con este sistema, el tiro efectivo puede ser desestabilizado por otros
factores como la colmatacin de las mangas filtrantes, etc.

Figura 127. Bloque de control del ventilador del tiro, proporcional al caudal de
combustible
-

Montaje de un transmisor de presin diferencial en el conducto de salida de


gases, de manera que se tenga la lectura de la depresin en este punto, y por
tanto, una indicacin real del tiro (Figura 128). En este caso, el regulador
intenta mantener este valor modulando la velocidad del ventilador para
contrarrestar los efectos perturbadores. Esto ha de redundar en un mejor
reparto de la llama en el interior del horno y, seguramente, en una mejor
eficiencia energtica del sistema.

258

Desarrollo de la Propuesta

Figura 128. Bloque de control del ventilador del tiro

Se usar la primera segunda estrategia de regulacin.


El algoritmo de este regulador es el mismo que el de los anteriormente descritos. El
bloque dispone de las seales de entrada segn Tabla 75.
Parmetros
SP
PV
MODE
PARA

Tipo de datos
REAL
REAL
Mode_COMP_PID
Para_COMP_PID

Y
STATUS

REAL
Stat_COMP_PID

Significado
Consigna de depresin del horno proveniente del SCADA
Seal de la sonda de presin relativa del Horno
Seales de control provenientes del SCADA
Parmetros de control del lazo provenientes del SCADA
- gain: Ganancia de la accin de regulacin
- ti: Constante del tiempo de integracin
- ymax Valor mximo que puede tomar la accin
del actuador
- ymin Valor mnimo que puede tomar la accin del
actuador
Salida de control para pilotaje del segundo lazo (cascada)
Indicacin de estado al SCADA

Tabla 75. Seales del bloque CPID_3

3.6.3 Simulacin del proceso


A fin de verificar el buen funcionamiento del sistema y comprobar la adecuacin
aproximada de los parmetros calculados antes de la aplicacin real en planta, se
realiza la programacin de una seccin en el PLC para simular la respuesta del
proceso. En la Figura 129 se muestra el diagrama de bloques de la simulacin.
Para establecer una simplificacin del proceso a efectos de simulacin, se establecen
2 procesos en serie, uno para el modelado del proceso del lazo de control de
temperatura de humos y el segundo para el proceso de calcinacin del material en
funcin de la energa (gas) entrada al proceso.

259

Desarrollo de la Propuesta

Figura 129. Simulacin del proceso en PLC. Diagrama de bloques


Cada uno de estos procesos se compone por un tiempo muerto y por un retardo de
primer orden, los dos parametrizables para intentar aproximarse a la respuesta real del
horno. Asimismo, se establece tambin una cadena formado por bloques de las
mismas caractersticas para modela la carga que representa el flujo de entrada de
mineral.
3.6.3.1 Establecimiento de los parmetros del controlador
A partir de los valores histricos de proceso de los que se dispone actualmente,
(Temperatura del refractario, temperatura del material y caudal de material de entrada)
se puede identificar el tiempo medio del trnsito del material en el interior del tromel o
refrigerador que se estima en unos 10 minutos.
A efectos de simulacin previa, se estiman los valores de la Tabla 76. En base a estos
valores, los bloques de control del PID tendrn los parmetros indicados en la Tabla
77. A fin de agilizar el proceso de simulacin se establece una base de tiempo t/10.

Proceso
Tiempo muerto Retardo
30s
90s
Calentamiento de gases
10min
30min
Calentamiento del mineral
Tabla 76. Estimacin de los parmetros temporales del proceso

260

Desarrollo de la Propuesta
Parmetro CPID_1 CPID_2
Indicaciones
0.3
0.5
Ganancia de la accin reguladora
gain
8min
60s
Constante de tiempo de integracin
ti
120C
100% Valor mximo que puede tomar la
ymax
accin del regulador
100C
0%
Valor mnimo que puede tomar la
ymin
accin del regulador
Tabla 77. Valores de los bloques de control PID
3.6.3.2 Simulacin temporal
Establecidos los parmetros del proceso, se pone en funcionamiento el simulador,
obteniendo las siguientes respuestas a diferentes cambios durante el proceso. Se
puede ver la simulacin en las diferentes fases del proceso en las figuras (Figura 130,
Figura 131, Figura 132 y Figura 133).

Figura 130. Simulacin del proceso de arranque

261

15:59:18
16:00:41
16:02:04
16:03:27
16:04:50
16:06:13
16:07:36
16:08:59
16:10:22
16:11:45
16:13:08
16:14:31
16:15:54
16:17:17
16:18:40
16:20:03
16:21:26
16:22:49
16:24:12
16:25:35
16:26:58
16:28:21
16:29:44
16:31:07
16:32:30
16:33:53
16:35:16
16:36:39
16:38:02
16:39:25
16:40:48
16:42:11
16:43:34
16:44:57
16:46:20
16:47:43
16:49:06
16:50:29
16:51:52
16:53:15
16:54:38
16:56:01
16:57:24
17:02:48
17:04:11
17:05:34
17:06:57
17:08:20
17:09:43
17:11:06
17:12:29
17:13:52
17:15:15
17:16:38
17:18:01
17:19:24
17:20:47
17:22:10
17:23:33
17:24:56
17:26:19
17:27:42
17:29:05
17:30:28
17:31:51
17:33:14
17:34:37
17:36:00
17:37:23
17:38:46
19:17:59
19:19:22
19:20:45
19:22:08
19:23:31
19:24:54
19:26:17
19:27:40
19:29:03
19:30:26
19:31:49
19:33:12
19:34:35
19:35:58
19:37:21
19:38:44
19:40:07
19:41:30
19:42:53
19:44:16

Desarrollo de la Propuesta

600.000

500.000

400.000

300.000

200.000

100.000

SP_PID1
PV_PID1
Y_PID1
Y_OUT_Gas
Carr_Material
Coef_Mat
PV_TempsFums

Figura 131. Simulacin del proceso de calcinacin controlado por PIDs

262

Desarrollo de la Propuesta

Figura 132. Simulacin de un escaln de aumento del caudal de entrada de material

Figura 133. Simulacin de un escaln de disminucin del caudal de entrada de


material

263

Desarrollo de la Propuesta
Con los resultados obtenidos de las simulaciones se constata que el sistema es capaz
de responder a las principales variaciones sufridas en algunos parmetros del
proceso.

264

Desarrollo de la Propuesta
3.7

MODELO DEL PROCESO MEDIANTE REDES BAYESIANAS

3.7.1 Aplicacin de redes bayesianas


Como se ha visto en el estado del arte de esta tesis doctoral, las redes bayesianas son
aptas y se aplican a problemas prcticos fuera del mbito acadmico. Este tipo de
redes se aplicaran, en ste caso, para el modelado y automatizacin de un horno
rotativo de calcinacin directa para la fabricacin de anhidrita.
La eleccin de este tipo de sistema experto para este fin es debido a la facilidad que
permiten las RB para representar de una forma relativamente simple un sistema
complejo. Estas RB representan modularmente el conocimiento, soportan estructuras
grficas y usan algoritmos para la inferencia y aprendizaje. Esta ltima caracterstica
de las RB es especialmente til para hacer que el sistema tenga un componente de
sistema inteligente.
En sta aplicacin se usar un modelo llamado rbol de Fallas, es decir, un sistema
en el cual se pueda establecer la probabilidad de que la variable medida est fuera de
los parmetros establecidos como correctos.

3.7.2 Software para RB


En ste caso se seleccionar el software Netica de la compaa canadiense Norsys
Software Corp. (www.norsys.com) en su versin 4.16 para Windows (2000, XP, Vista y
7).
Se trata de un software muy intuitivo y grfico a la vez que potente. Permite el trabajo
con redes bayesianas y diagramas de influencia. Netica trabaja con algoritmos muy
rpidos y eficientes y permite encontrar valores de probabilidad apropiados para todas
las variables desconocidas.
Permite cortar y copiar redes, relacionndolas entre si, as como crear funciones entre
variables que las relacionen entre si. Su interfaz grafico permite ver diagramas de
barras y tipo medidores. Usa diagramas de influencia para encontrar las decisiones
ptimas que maximizan los valores previstos de las variables, construyendo redes
condicionales. A la vez, permite eliminar variables de poco inters sin afectar a la
estructura de la red.
Los condicionantes principales para su eleccin son:
-

Genera grficos de calidad


Ayuda en pantalla
Realiza anlisis de sensibilidad
Decisiones ptimas para problemas de decisin secuencial
Usa rboles acoplados para resolver influencias
Aprende relaciones probabilsticas entre los datos
Permite entrada de la relacin de probabilidad mediante ecuaciones y
funciones
Facilita la discretizacin de variables continuas
Encuentra valores desconocidos
Sin lmites en el tamao de la red ni en los datos de las variables
Permite la programacin para integraciones de trabajo con PLC industriales

265

Desarrollo de la Propuesta

3.7.3 Generacin y gestin de una RB


Una vez seleccionado el software adecuado, se establecern los pasos necesarios
para la creacin de una red bayesiana.
3.7.3.1 Estimacin de la red
En este paso se especificar su estructura grfica mediante:
-

Estimacin estructural: Se generan de forma manual o automtica todos los


nodos o variables del sistema con sus respectivos niveles, para posteriormente
generar manualmente la estructura grfica acclica.

Estimacin paramtrica: Se aadir de forma manual o automtica los


parmetros de la red bayesiana. Netica tiene tres algoritmos diferentes para
estimar los parmetros de la red: un mtodo que se basa en la estimacin de la
frecuencia relativa conjunta, el algoritmo EM y un tercero que evala el
gradiente de aprendizaje (tipo el algoritmo backpropagation que usan las RNA).

En ste caso se usar el mtodo de la estimacin de la frecuencia relativa, ya que es


el ms recomendable cuando no hay un gran nmero de valores perdidos o
desconocidos ni existen variables latentes.
El algoritmo se expresa con la expresin:
( |

)
(

Donde
(
) se referir al nmero de casos que contiene la base de datos en los que las
variables
toman el valor
(

) ser el nmero de casos en que

sta expresin podra incurrir en problemas de malas estimaciones en casos en que


no exista una combinacin de estados determinada y por otro lado podra sobreajustar
la estimacin en caso de variables poco o muy representadas en las tablas de casos.
Por ello Netica ajusta la expresin a la siguiente:
( |

(
(

)
) | |

Donde
| | se referir al nmero de estados de la variable
Adicionando de esta manera un factor de correccin en la ecuacin, basado en la Ley
de Sucesin de Laplace.

266

Desarrollo de la Propuesta
En esta parametrizacin ser importante adicionar los datos expertos, o lo que es lo
mismo, los que provienen de la experiencia previa de casos y que se aportar a la
estructura de la red.
3.7.3.2 Uso de la RB
Una vez establecida y parametrizada la red se deber compilarla para que pueda
trabajar en modo de inferencia. Compilar una red consiste en generar una distribucin
previa de las probabilidades asociadas a cada uno de los estados de cada variable. El
Teorema de la Probabilidad Total, como ya se ha visto, establece que si se dispone de
{
} cuyas
un conjunto mutuamente excluyente de eventos
probabilidades suman la unidad, la probabilidad de un nuevo evento B se definir con
la expresin:
|

Usaremos ste teorema ya que nos permite calcular la probabilidad de un suceso a


partir de sus probabilidades condicionadas. Netica compila automticamente la RB
obteniendo en ese momento las probabilidades para cada nodo de la red.
En estos momentos la red ya est preparada para instanciar uno o varios nodos y
automticamente recalcular las probabilidades para los restantes propagndose en
todas direcciones.
3.7.3.3 Validacin de la red
En esta fase se evaluar como se ajusta la red al conjunto de datos. Normalmente se
realizan estudios de validez cruzada de los datos. En estos estudios se estima un
modelo con una proporcin de un 70% o 80% del total de la muestra y posteriormente
se realiza el test con el 30% o 20% restante. El resultado de esta comparacin dar la
bondad del ajuste de la RB.
Netica permite realizar comprobaciones automticas del ajuste de la red. Y las puede
realizar por tres mtodos distintos:
-

Prdida logartmica: Oscila entre 0 (mejor ajuste) y , donde:

Prdida cuadrtica (brier score): El resultado ser un nmero entre 0 (mejor


ajuste) y 2.

Compensacin esfrica: Entre 0 y 1(mejor ajuste).

267

Desarrollo de la Propuesta
Donde
Pc es la probabilidad predicha para el estado correcto
Pj es la probabilidad predicha para el estado j
n el nmero de estados
MOAC ser la media para todos los casos analizados
A parte se puede generar automticamente una matriz de confusin o tabla de
clasificacin, que comparar las predicciones hechas con las observaciones reales. La
matriz tendr tantas filas y columnas como estados tenga el nodo analizado. En cada
celda de la matriz se muestra la diferencia entre lo predicho y lo observado. El ajuste
perfecto estara en una matriz con las celdas de la diagonal principal en 1 y 0 en todo
el resto de la misma. La tasa global de error (Error rate) ser un ratio de verificacin de
este ajuste. Si por ejemplo, esta tasa es del 6%, esto significa que el 6% de los datos
predichos no sern correctos.
Cuando las variables son dicotmicas, el software tambin efecta un test de ajuste
generando una curva ROC (Receiver Operating Characteristic Curve) que evala la
fuerza predictiva de cada nodo (Lpez, 2012).

3.7.4 Modelo estadstico de un horno de anhidrita mediante


RB
Como se ha visto en la introduccin de este apartado, se aplicarn los conceptos
vistos para elaborar un modelo estadstico mediante redes bayesianas que permitir
evaluar el rbol de Fallas, es decir, un sistema en el cual se pueda establecer la
probabilidad de que la variable medida est fuera de los parmetros establecidos
como correctos dependiendo de las probabilidades de todas las variables que
intervienen en el proceso, en menor o mayor grado de vinculacin.
3.7.4.1 Variables de Proceso
En la Figura 134 se representa el proceso de fabricacin de anhidrita mediante un
horno rotativo. En la misma se pueden presuponer muchas de las variables que
intervendrn en el proceso de calcinacin.
Las variables de proceso se pueden ver en la Tabla 78.
3.7.4.2 Variables de Control de Calidad
Intervendrn en este anlisis otro tipo distinto de variables, las que darn cuenta del
control de calidad de las variables de proceso anteriormente descritas. Estas se
pueden dividir entre las variables que afectan a la materia prima, es decir, antes de
calcinacin y las que afectarn al producto terminado despus de la misma. Su detalle
se encuentra en la Tabla 79 y la Tabla 80.

268

Desarrollo de la Propuesta
Cdigo
V55
V56
V57
V58
V03
V17
V25
V09
V13
V21
V33
V35
V70
V05
V07
V23
V29
V31
V59
V01
V41
V37
V38
V40

Nombre
Intensidad Molino Min
Luz Criba Molino Min
Intensidad Molino 1
Luz Criba Molino 1
Caudal Material
Caudal de gas
Velocidad Rotacin
Temp Refractario
Temp Material
Temp Salida Mat
Caudal AnII
Extraccin de H2O
Forma Llama
Instant Partculas
Media Partculas
Temp emisin
Pres Dif Tiro
Caudal emisiones
Caudal Mat Filtro
Intensidad Molino 2
Luz Criba Molino 2
Velocidad Enfriador
Pres Dif Enfriador
Temp Ent Silo

Correspondencia Proceso
Molienda Mineral
Molienda Mineral
Molienda Primaria
Molienda Primaria
Transporte y Pesaje
Calcinacin
Calcinacin
Calcinacin
Calcinacin
Calcinacin
Calcinacin
Calcinacin
Calcinacin
Filtraje y evacuacin
Filtraje y evacuacin
Filtraje y evacuacin
Filtraje y evacuacin
Filtraje y evacuacin
Filtraje y evacuacin
Molienda Secundaria
Molienda Secundaria
Enfriado
Enfriado
Almacenamiento

Tabla 78. Variables que afectan al proceso de calcinacin de anhidrita


Cdigo
V60
V42
V43
V44

Nombre
Frente Explotacin
Granul Entrada
Pureza Mineral
Humedad Libre

Correspondencia
Materia Prima
Materia Prima
Materia Prima
Materia Prima

Tabla 79. Variables que afectan al control de calidad de la materia prima


Cdigo
V45
V46
V47
V48
V49
V51
V61

Nombre
Grado Cal An
Reactiv An
Agua Comb 2
Granul M >0,2
Granul M>0,8
pH de An
Densidad An

Correspondencia
Producto Terminado
Producto Terminado
Producto Terminado
Producto Terminado
Producto Terminado
Producto Terminado
Producto Terminado

Tabla 80. Variables que afectan al control de calidad del producto terminado
El significado y caractersticas de estas variables estn ampliamente explicados en los
apartados correspondientes de esta tesis, as como la metodologa de ensayo.
En la Figura 135 se representa un anlisis previo en formato grfico a los factores que
afectaran, a priori, a la correcta fabricacin de anhidrita (Ishikawa, 1968).

269

Desarrollo de la Propuesta

MINERAL

MOLIENDA 1
1PRIMARIA

ALIMENTACIN

MOLIENDA MINERAL

MATERIA PRIMA CRUDA

TRANSPORTE Y
PESAJE

4
Clapeta manual de
control de tiro

FILTRO MANGAS

GASES COMBUSTIN

Contador de consumo
de gas

Vlvula refresco

2
1

Clapeta

T cmara

T material

T material en cmara de
enfriamiento

MOLIENDA 2

ENFRIADOR

T gases salida

SILO ALMACENAMIENTO

Figura 134. Flujograma del proceso de fabricacin de anhidrita


3.7.4.3 Variables indirectas
En este grupo de variables estarn las referentes a la experiencia de los operadores
del horno, as como los condicionantes que pueden afectar al rendimiento del mismo.
Se pueden ver en la Tabla 81.

Cdigo
V62
V63
V64
V69
V65
V66
V67
V68

Nombre
Exper Operario
Tipo Turnos
Ritmo Produccin
Rendimiento
TRS equipos
RO equipos
Nivel Engrase
Ratio Preventivo

Correspondencia
RRHH
Produccin
Produccin
Mantenimiento
Mantenimiento
Mantenimiento
Mantenimiento
Mantenimiento

Tabla 81. Variables indirectas que afectan a la produccin

270

Desarrollo de la Propuesta

Alimentacin

Velocidad horno

Apertura tiro

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama

Agua
combinada

Caudal

Caudal

Temperatura calcinacin

Producto (anhidrita)

Gases salida

Figura 135. Diagrama causa-efecto en la fabricacin de anhidrita


3.7.4.4 Otras variables
En este grupo bsicamente estarn las condiciones meteorolgicas y las estacionales,
lo cual tiene sentido pensar que pueden afectar a la materia prima, al proceso y al
producto terminado por diferentes razones para cada uno de ellos (Tabla 82).

Cdigo
V71
V72
V73
V74
V75
V76
V77
V78
V79
V80
V81
V82
V83
V84

Nombre
Da Sem
Da Mes
Mes
Estacin
Temp Media
Temp Max
Temp Min
Precipitacin
Hum Rel
Presin Atm
Irradiacin Sol
VMed Viento
Direccin Viento
Rfaga Viento

Correspondencia
Estacional
Estacional
Estacional
Estacional
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica

Tabla 82. Otras variables que afectan al sistema de calcinacin

271

Desarrollo de la Propuesta
3.7.4.5 Tratamiento de los datos
Una vez realizado el anlisis del proceso y de las variables ms o menos indirectas,
internas y externas, que puedan afectarlo, se obtiene un listado de 57 variables que se
pueden ver en la Tabla 83.

Cdigo
V01

Nombre
Intensidad Molino
2

Unidades
A

Discretizacin
Continuo

Media
23,41

5,23

Comportamiento

V03

Caudal Material

Tm/h

Continuo

6,07

0,45

V05

Instant Partculas

mg/Nm3

Continuo

32,76

6,21

V07

Media Partculas

mg/Nm3

Continuo

32,7

5,68

V09

Temp Refractario

Continuo

778

83,4

V13

Temp Material

Continuo

551

44,2

V17

Caudal de gas

m3/h

Continuo

103,11

3,73

V21

Temp Salida Mat

Continuo

190,5

1,7

V23

Temp emisin

Continuo

90

3,3

V25

Velocidad Rotacin

rpm

Marcha, Paro

V29

Pres Dif Tiro

hPa

Bajo, Alto

2,8

0,4

V31

Caudal emisiones

Nm3/h

Bajo, Alto

19.700

2.400

V33

Caudal AnII

Tm/h

Continuo

4,8

0,54

V35

Extraccin de H2O

% en peso

Bajo, Alto

19,08

0,48

V37

Velocidad Enfriador

rpm

Marcha, Paro

V38
V40

Pres Dif Enfriador


Temp Ent Silo

hPa
C

75

V41
V42

Luz Criba Molino 2


Granul Entrada

mm
%>1mm

Marcha, Paro
Bajo, Medio,
Alto
D1.11, D1.31
Bajo, Ok, Alto

40,9

16

V43

Pureza Mineral

Bajo, Ok, Alto

18,3

1,50

V44

Humedad Libre

% H2O
comb
% H2O

Bajo, Alto

0,90

0,67

V45

Grado Cal An

Bajo, Ok, Alto

5,55

1,50

V46
V47

Reactiv An
Agua Comb 2

Ok, No Ok
Bajo, Ok, Alto

0,45

0,11

V48

Granul M >0,2

mm H2O
prov
% H2O
comb 2
%>0,2mm

Bajo, Ok, Alto

25,9

3,60

V49

Granul M>0,8

%>0,8mm

Bajo, Ok, Alto

2,31

0,82

V51

pH de An

pH

Bajo, Ok, Alto

10,16

0,80

V55

Intensidad Molino
Min
Luz Criba Molino
Min
Intensidad Molino
1

Marcha, Paro

220

70

165,3

64,6

V56
V57

mm
A

D200, D220
Continuo

272

Desarrollo de la Propuesta
Cdigo
V58
V59

Nombre
Luz Criba Molino 1
Caudal Mat Filtro

Unidades
mm
Tm/h

Discretizacin
D10, D12
Bajo, Alto

V60

Frente Explotacin

V61

Densidad An

Blanca,
Escayola, Yeso
Bajo, Ok, Alto

V62

Exper Operario

V63
V64

Tipo Turnos
Ritmo Produccin

V65

TRS equipos

V66

RO equipos

V67

Nivel Engrase

V68

Ratio Preventivo

V69

Rendimiento

V70
V71
V72

Forma Llama
Da Sem
Da Mes

V73
V74

Mes
Estacin

V75

Temp Media

V76

Temp Max

V77

Temp Min

V78

Precipitacin

V79

Hum Rel

V80

Presin Atm

V81

Irradiacin Sol

MJ/m2

V82

VMed Viento

m/s

V83

Direccin Viento

V84

Rfaga Viento

kg/m3
Tm/h

mm
%
hPa

m/s

Normal,
Experto
M, T, N
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Ok, No Ok
lu, , do
Inicio, Medio,
Final
ene, , dic
Primavera, ...,
Invierno
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
Bajo, Medio,
Alto
N, S, E, O
Bajo, Medio,
Alto

Media

Comportamiento
-

0,015

0,002

963

67

709

310

67

17

99

65

11

63

25

86

14,8

8,0

20,6

9,6

9,33

7,7

6,76

18

68,6

20

993

13

16

9,7

2,73

1,9

157

96

9,76

5,6

Tabla 83. Relacin de variables implicadas en el proceso

273

Desarrollo de la Propuesta

En dicha tabla se ha relacionado el cdigo de la variable, su nombre descriptivo junto a


las unidades en que se mide y sus valores ms probables as como la desviacin
estndar para cada una de ellas.
Una parte de las variables se mantendr en formato continuo o natural, ya que el
nmero de datos y experiencia con las mismas es suficiente como para mantenerlas
en este formato. Otra parte se ha discretizado a partir de valores continuos por alguna
de las siguientes razones:
-

Por agruparlas en dos o tres estados y as simplificarlas (por ejemplo las


meteorolgicas)
Para describirlas mediante su estado: correcto/incorrecto (por ejemplo las de
control de calidad)
Por su naturaleza discreta (por ejemplo las luces de criba de los molinos)

Por otra parte se muestra en la Tabla 83 una simplificacin grfica de la evolucin de


la variable en el tiempo para poder apreciar el comportamiento temporal de la misma.
Tal como se ha visto en la seccin correspondiente, donde se ha realizado un anlisis
clsico de las variables de sistema, los datos recogidos tienen muchas y diferentes
procedencias. El nmero global de datos es muy importante, ya que se tienen unos
700.000 datos recogidos en un perodo menor a dos aos. Algunas fuentes son
automticas mediante el sistema Scada implantado, otras estn recogidas de reportes
manuales realizadas por los operarios de produccin, algunas ms provienen de
informes de control de calidad y laboratorio y por ltimo se tienen las recogidas de
forma puntual como control especfico.
En las Figura 136 y Figura 137 se ha registrado grficamente algunas variables de
proceso registradas en perodo de un minuto, durante un ciclo de calcinacin de una
semana, de lunes a viernes. Se puede apreciar en la Figura 136 el arranque, el
trabajo a rgimen permanente y el paro del horno de calcinacin, as como el
discontinuo ciclo de trabajo de los molinos secundarios del proceso. Se observan las
variabilidades de cada una de las variables, as como los puntos de descontrol puntual
del propio proceso, como por ejemplo la rotura de una manga en un instante concreto,
reflejada en la representacin de la variable de la emisin de partculas a la atmosfera.
ste tipo de tratamiento clsico permite representar, como ya se ha visto, la realidad
de una forma grfica y como no, tambin analtica.
Para ste proyecto se usar otra forma de anlisis, como son las redes bayesianas.
3.7.4.6 Creacin de la estructura de la RB
El anlisis de las variables del proceso y sus relaciones se realizar, como ya se ha
dicho, mediante las estructuras de las redes bayesianas.
En este trabajo, se usar de una forma indistinta, los trminos variables y nodos como
sinnimos, cosa que no es completamente rigurosa, ya que los nodos pueden ser
naturales (los que describen el comportamiento de variables), pero tambin podran
ser nodos de decisin, constantes u otro tipo. Por otra parte tambin se tratarn como
sinnimas las palabras probabilidad y creencia, cosa que tampoco es estricta, pero
que permite simplificar en la terminologa de este tipo de anlisis.

274

Desarrollo de la Propuesta
Para estructurar la red, el primer paso ser definir los nodos (segn la tabla de
variables implicadas) y sus relaciones. En la Figura 138 se puede ver la estructura
bsica de la red en su forma ms sencilla, mostrando slo las relaciones entre los
nodos de la misma.

Variables V09, V13 y V57


900
800
700
600
500
400
300
200
100

0
2
4
6
8
10
13
15
17
19
21
24
26
28
30
32
34
37
39
41
43
45
48
50
52
54
56
58
61
63
65
67
69
72
74
76
78
80
82
85
87
89
91
93
96
98
100
102
104
106
109
111
113
115
117

h
Intensidad Molino 1

Temp Refractrio

Temp Material

Variables V01, V03, V05, V07 y V17


120
110
100
90
80
70
60
50
40
30
20
10

0
2
4
6
8
10
13
15
17
19
21
24
26
28
30
32
34
37
39
41
43
45
48
50
52
54
56
58
61
63
65
67
69
72
74
76
78
80
82
85
87
89
91
93
96
98
100
102
104
106
109
111
113
115
117

0
h
Intensidad Molino 2

Caudal Material

Instant Particulas

Media Partculas

Caudal de gas

Figura 136. Representacin temporal de algunas variables de proceso (en eje


horizontal horas)

275

Desarrollo de la Propuesta
Variables 75, 76, 77, 78, 79, 81, 82, 84
80
70
60
50
40
30

20
10
0
1

Temp Medio

Temp Max

Temp Min

Precipitacin

Hum Rel

Irradiacin Sol

VMed Viento

Rfaga Viento

Variable 80
1003
1002
1001
1000
999
998
997

996
995
994
1

Presin Atm

Figura 137. Representacin temporal de algunas variables meteorolgicas (en eje


horizontal das)

Figura 138. Modelo conexional de la RB

276

Desarrollo de la Propuesta
Cada variable tendr sus nodos padres y sus nodos hijos, como se ve en la Figura
140. La relacin entre los mismos vendr definida, a priori por la experiencia en el
proceso de fabricacin de An y ser presupuesta como correcta. Se ver ms adelante
que las suposiciones iniciales se modificarn una vez calculadas las relaciones
internodales y analizando su magnitud.
En la Figura 139 a Figura 142 se muestran detalles de la red bayesiana respecto a
partes concretas del proceso, a nivel de control de calidad, meteorologa e indirectas
del proceso respectivamente. Por ejemplo, se puede apreciar como la granulometra
de la An afectar a su densidad, pero no al revs, la densidad no tiene por qu afectar
a la granulometra.
Como se ha visto en el estado del arte, es importante que las relaciones entre nodos
no creen bucles cerrados con las flechas en el mismo sentido, ya que la red seria
incapaz de calcular las creencias por el sistema actual.
Se puede observar en los detalles mostrados de redes parciales en que existen nodos
sin relacionar con otros nodos de su misma naturaleza, pero si se relacionaran con
nodos de naturaleza distinta una vez puestos en valor y en el contexto general de toda
la red.

V47-Agua Comb 2a

V43-Pureza Mineral

V48-Granul M>0.2

V42-Granul Entrada

V49-Granul M>0.8

V45-Grado Cal An
V51-pH de An

V46-Reactividad An

V61-Densidad An

Figura 139. Estructura de RB con variables de control de calidad

277

Desarrollo de la Propuesta

V60-Frente Explotacin

V55-Intensidad Molino Min

V64-Ritmo Produccin
V62-Exper Operario
V63-Tipo Turnos
V56-Luz Criba Molino Min

V68-Ratio Preventivo
V67-Nivel Engrase
V44-Humedad Libre
V57-Intensidad Molino 1

V47-Agua Comb 2a

V58-Luz Criba Molino 1

V69-Rendimiento
V65-TRS equipos

V66-RO equipos
V70-Forma Llama

V25-Velocidad Rotacin

V43-Pureza Mineral
V48-Granul M>0.2

V74-Estacin

V75-Temp Media

V80-Presin Atm

V42-Granul Entrada
V03-Caudal Material

V17-Caudal de Gas

V09-Temp Refractrio

V13-Temp Material
V49-Granul M>0.8

V76-Temp Mx

V81-Irradiacin Sol

V45-Grado Cal An

V73-Mes

V51-pH de An
V77-Temp Min

V59-Caudal Mat Filtro

V29-Pres Dif Tiro

V82-VMed Viento
V21-Temp Salida Material
V33-Caudal de AnII
V46-Reactividad An
V61-Densidad An
V31-Caudal emisiones

V71-Dia Sem

V78-Precipitacin

V35-Extraccin de H2O

V83-Direccin Viento

V37-Velocidad Enfriador

V72-Dia Mes

V79-Hum Rel

V84-Rfaga Viento
V23-Temp Emisin

V05-Instant Partculas

V07-Media Partculas

V38-Pres Dif Enfriador

V41-Luz Criba Molino 2

V01-Intensidad Molino 2

V40-Temp Ent Silo

Figura 140. Estructura completa de la RB

278

Desarrollo de la Propuesta

V74-Estacin

V75-Temp Media

V80-Presin Atm

V76-Temp Mx

V81-Irradiacin Sol

V77-Temp Min

V82-VMed Viento

V78-Precipitacin

V83-Direccin Viento

V73-Mes

V71-Dia Sem

V79-Hum Rel

V84-Rfaga Viento

V72-Dia Mes

Figura 141. Estructura de RB con variables meteorolgicas

V63-Tipo Turnos

V62-Exper Operario
V64-Ritmo Produccin

V68-Ratio Preventivo
V67-Nivel Engrase

V65-TRS equipos

V66-RO equipos

V69-Rendimiento

Figura 142. Estructura de RB con variables indirectas de proceso


3.7.4.7 Parametrizacin de la creencia y programacin de la RB
En el trabajo que se presenta, el lector podr estimar la complejidad de la sperestructura de la RB para el proceso de calcinacin de anhidrita. Esta red,
evidentemente, escapa a cualquier razonamiento estadstico clsico que no permita
algoritmos rpidos y gestionados mediante software y ejecutados mediante ordenador.
Se estn valorando 57 nodos mediante ms de 100 enlaces dirigidos entre ellos, lo
que supone ms de 350.000 clculos de probabilidad condicionada entre las variables.
Por otra parte, cada variable tiene varios estados, tanto si son discretas como si son
continuas (el propio software las discretiza para su representacin, aunque las calcule

279

Desarrollo de la Propuesta
como continuas). La potencia de clculo necesaria es por tanto muy importante en la
red.
Seria imposible, en una red de las caractersticas descritas en el pargrafo anterior
realizar los clculos de las probabilidades condicionales e introducirlas al sistema.
Para este fin, el software Netica dispone de un mdulo de aceptacin de datos
mediante un fichero tipo texto. En l se incorpora el caso a estudiar para que el propio
sistema calcule las probabilidades, a priori, para cada estado de cada nodo en
particular, en caso de ser estos discretos y que realice una estimacin a partir de un
nmero de rangos elegido, de las probabilidades de los nodos continuos. La nica
informacin que dar la red hasta el momento, ser el porcentaje de probabilidad de
los estados de cada nodo, sin influenciarse entre si.
En la Figura 143 se puede ver una representacin de los valores esperados de
algunas variables meteorolgicas mediante un indicador de rango y de valores ms
probables.

other

Invier.

V74-Estacin

19

V75-Temp Media

25

V76-Temp Mx
other

964

998

V80-Presin Atm

20

V81-Irradiacin Sol

ene

V73-Mes

-6

14

V77-Temp Min

0
other

2.4

0.9

2.1

V82-VMed Viento

1 lun

V78-Precipitacin

V83-Direccin Viento

V71-Dia Sem

24
other

77

3.1

Inicio

V79-Hum Rel

V84-Rfaga Viento

V72-Dia Mes

Figura 143. Variables meteorolgicas de la RB sin instanciar (vista metrnomo)


El siguiente paso a seguir, una vez introducido el caso a estudiar a la RB, ser el de
compilar la red, paso en el que el sistema crea el conjunto de probabilidades para
cada una de los estados de los nodos. En este caso, se puede decir que la red
empieza a ser operativa. Se puede instanciar diferentes nodos para ver cmo
reaccionas los estados de otros nodos relacionados con ste. Por ejemplo, en la
Figura 144, donde se pueden apreciar varias instanciaciones de la subred de anlisis
meteorolgico, se observa que si se introduce en la red la informacin que se est en
enero, automticamente, aumenta considerablemente la probabilidad de que las
temperaturas sean bajas, cosa que no puede sorprender, pero tambin indica que el
viento soplar probablemente del norte en un 51,5% de los casos, cosa que a priori,
no se tena tan clara. As mismo, si se instancia tambin la presin atmosfrica
marcando que es baja, se podr asegurar en un 54,8% de que la velocidad de la

280

Desarrollo de la Propuesta
rfaga de viento sea baja, en el caso de que haya viento (un 53,8% de que sea bajo o
no haya).
V74-Estacin
Invierno
95.4
Primavera
1.52
Verano
1.52
Otoo
1.52

V75-Temp Media
Bajo
90.4
Medio
6.28
Alto
3.31

V80-Presin Atm
Bajo
100
Medio
0
Alto
0

1.32 4.2

964

V73-Mes
ene
feb
mar
abr
may
jun
jul
ago
sep
oct
nov
dic

100
0
0
0
0
0
0
0
0
0
0
0

V76-Temp Mx
Bajo
Medio
Alto

89.2
9.23
1.54
3.74 5.1

V77-Temp Min
Bajo
89.2
Medio
9.23
Alto
1.54
-4.49 4.4

V71-Dia Sem
1 lun
14.2
2 mar
14.2
3 mie
14.2
4 jue
14.2
5 vie
14.4
6 sab
14.4
7 dom
14.2
V72-Dia Mes
Inicio
Medio
Final

32.9
29.6
37.5

V78-Precipitacin
Bajo
Medio
Alto

35.8
28.6
35.6
0.854 1.1

V79-Hum Rel
Bajo
0
Medio
0
Alto
100
77

V81-Irradiacin Sol
Bajo
Medio
Alto

80.0
18.5
1.54
2.15 4.5

V82-VMed Viento
Bajo
53.8
Medio
18.5
Alto
27.7
1.36 0.53
V83-Direccin Viento
O
24.2
E
10.6
N
51.5
S
13.6
00

V84-Rfaga Viento
Bajo
54.8
Medio
24.5
Alto
20.7
5.21 2.4

Figura 144. Variables meteorolgicas de la RB con algunas instanciaciones (vista


barras de creencia)
Se ha visto, por tanto, la influencia de la propagacin de las instanciaciones y las
probabilidades por toda la red, aguas arriba y aguas abajo. En la Figura 145 se
muestra la red completa. Puede observarse en ella la gran complejidad y entramados
relacionales que comporta. As mismo la gran complejidad de clculo estadstico que
requiere.
Una vez se ha obtenido la red bayesiana del proceso a partir de los datos y registros
histricos introducidos, se analizar el comportamiento de la red segn unos datos de
control, que en este caso sern un ciclo semanal de calcinacin (Figura 146). Los
porcentajes de los estados de cada nodo variaran ms o menos una vez introducido el
perodo de control, dependiendo de si los nuevos datos siguen las regularidades
estadsticas ms o menos similares a los datos histricos. Evidentemente, si el mes de
control es octubre, en la nueva red, hay un 100% de probabilidad de cumplirse el
estado octubre del nodo mes. Sobre todo las variables continuas, se vern afectadas
ms o menos en sus rangos en funcin de la bondad de ajuste de los datos.

281

Desarrollo de la Propuesta

V63-Tipo Turnos
M
33.3
T
33.3
N
33.3

V62-Exper Operario
Experto
68.8
Normal
31.3

V67-Nivel Engrase
Bajo
33.3
Medio
33.3
Alto
33.3
0.56 0.16

V65-TRS equipos
Bajo
32.5
Medio
35.1
Alto
32.5
0.576 0.18

V74-Estacin
Invierno
24.4
Primavera
24.9
Verano
25.5
Otoo
25.2

ene
feb
mar
abr
may
jun
jul
ago
sep
oct
nov
dic

V73-Mes
8.47
7.71
8.48
8.23
8.49
8.23
8.49
8.49
8.23
8.49
8.22
8.47

V71-Dia Sem
1 lun
14.2
2 mar
14.2
3 mie
14.2
4 jue
14.2
5 vie
14.4
6 sab
14.4
7 dom
14.2

V72-Dia Mes
Inicio
32.9
Medio
29.6
Final
37.5

V75-Temp Media
Bajo
32.7
Medio
34.8
Alto
32.5
10 7.7

V76-Temp Mx
Bajo
33.5
Medio
33.7
Alto
32.8
14.6 9.5

V77-Temp Min
Bajo
35.0
Medio
33.8
Alto
31.2
4.64 8.3

V78-Precipitacin
Bajo
66.4
Medio
16.6
Alto
16.9
0.407 0.9

V79-Hum Rel
Bajo
33.0
Medio
33.2
Alto
33.9
55.9 23

V66-RO equipos
Bajo
33.3
Medio
33.3
Alto
33.3
0.97 0.028

V80-Presin Atm
Bajo
33.2
Medio
32.5
Alto
34.3
985 15
V81-Irradiacin Sol
Bajo
31.6
Medio
35.3
Alto
33.2
10.2 8

V82-VMed Viento
Bajo
28.3
Medio
37.5
Alto
34.2
1.57 0.47

V83-Direccin Viento
O
12.5
E
24.2
N
30.3
S
33.0
00

V84-Rfaga Viento
Bajo
32.7
Medio
34.0
Alto
33.4
6.29 2.4

V64-Ritmo Produccin
Bajo
34.0
Medio
31.1
Alto
35.0
553 290

V68-Ratio Preventivo
Bajo
32.0
Medio
28.9
Alto
39.2
0.475 0.3
V69-Rendimiento
Bajo
33.3
Medio
33.3
Alto
33.3
0.817 0.066

V03-Caudal Material
0
20.1
0 to 6
3.99
6
44.6
6 to 6.1
.014
6.1
7.55
6.1 to 6.3
5.40
6.3
4.26
6.3 to 6.5
4.27
6.5 to 6.7
5.69
6.7 to 7.7
4.12
4.8 2.5

V33-Caudal de AnII
2.83 to 3.52
7.14
3.52 to 3.62
12.2
3.62 to 3.7
10.2
3.7 to 3.77
10.2
3.77 to 3.79
9.18
3.79 to 3.85
10.2
3.85 to 3.94
10.2
3.94 to 4.03
10.2
4.03 to 4.16
10.2
4.16 to 5.1
10.2
3.85 0.36

V23-Temp Emisin
0
20.0
0 to 85
1.43
85 to 86
8.57
86 to 87
8.57
87 to 89
15.7
89 to 91
11.4
91
11.4
91 to 93
4.29
93 to 94
5.71
94 to 97
12.9
71.4 36

V60-Frente Explotacin
Blanca
0
Escayola
0
Yeso
100

V57-Intensidad Molino 1
0
73.1
0 to 82.2
2.87
82.2 to 83
2.83
83 to 100
3.09
100 to 180
3.31
180 to 196
2.91
196 to 208
2.83
208 to 221
3.20
221 to 240
2.88
240 to 280
3.01
43.5 81

V17-Caudal de Gas
0
20.1
0 to 98.9
8.75
98.9 to 100.2
7.84
100.2 to 101.2
8.82
101.2 to 102.7
9.32
102.7 to 103.8
8.45
103.8 to 104.6
7.86
104.6 to 105.3
10.7
105.3 to 108.1
8.70
108.1 to 112.7
9.42
78.4 43

V21-Temp Salida Material


0
20.6
188
4.41
189
4.41
190
27.9
191
20.6
192
13.2
193
5.88
195
2.94
152 77

V05-Instant Partculas
0
19.5
0 to 26
8.43
26 to 28.4
9.26
28.4 to 30.1
8.98
30.1 to 31.6
8.60
31.6 to 33.2
9.14
33.2 to 34.9
8.81
34.9 to 37
8.75
37 to 41
10.5
41 to 82
8.03
27 17

V55-Intensidad Molino Min


Paro
50.0
Marcha
50.0
2.5 2.5

V56-Luz Criba Molino Min


D200
100
D220
0
V44-Humedad Libre
Bajo
44.4
Alto
55.6
0.667 0.15

V58-Luz Criba Molino 1


D10
100
D12
0

V70-Forma Llama
NoOk
38.9
Ok
61.1

V09-Temp Refractrio
0 to 39
5.07
39 to 180
6.92
180 to 770
11.1
770 to 794
10.7
794 to 796
8.55
796 to 799
13.9
799 to 802
8.83
802 to 806
13.7
806 to 807
7.64
807 to 814.7
13.6
676 250

V59-Caudal Mat Filtro


Bajo
53.3
Alto
46.7
0.015 0

V31-Caudal emisiones
Bajo
62.5
Alto
37.5
17900 2400

V07-Media Partculas
0
19.5
0 to 27
9.76
27 to 28.9
8.01
28.9 to 30.4
8.62
30.4 to 31.9
8.73
31.9 to 33.3
8.88
33.3 to 34.9
9.44
34.9 to 36.7
8.73
36.7 to 40
10.3
40 to 80
8.06
26.9 17

V25-Velocidad Rotacin
Marcha
90.0
Paro
10.0

V13-Temp Material
0 to 34
13.8
34 to 200
14.0
200 to 546
16.0
546 to 551
7.99
551 to 554
7.99
554 to 557
8.26
557 to 560
7.99
560 to 562
7.99
562 to 566
7.99
566 to 588
7.99
393 220

V43-Pureza Mineral
Bajo
8.72
Ok
89.4
Alto
1.84
17 1.7

V42-Granul Entrada
Bajo
18.2
Ok
77.1
Alto
4.65
27.6 11

V45-Grado Cal An
Bajo
0.18
Ok
98.0
Alto
1.84
3.09 0.69

V29-Pres Dif Tiro


Bajo
37.5
Alto
62.5
2.525 0.097

V35-Extraccin de H2O
Bajo
43.7
Alto
56.3
18.69 0.35

V46-Reactividad An
Ok
96.4
NoOk
3.57

V37-Velocidad Enfriador
Marcha
90.0
Paro
10.0

V41-Luz Criba Molino 2


D1p11
100
D1p31
0

V01-Intensidad Molino 2
0
64.7
0 to 17.7
3.80
17.7 to 18.1
3.94
18.1 to 18.9
3.63
18.9 to 20
4.27
20 to 27
3.72
27 to 28
3.63
28 to 28.5
3.94
28.5 to 28.9
3.94
28.9 to 30.9
4.42
7.98 12

V47-Agua Comb 2a
Bajo
4.22
Ok
94.4
Alto
1.38
0.299 0.042

V48-Granul M>0.2
Bajo
7.21
Ok
56.7
Alto
36.1
23.3 2.1

V49-Granul M>0.8
Bajo
12.5
Ok
62.5
Alto
25.0
1.81 0.7

V51-pH de An
Bajo
.039
Ok
92.0
Alto
7.97
9.16 0.54

V61-Densidad An
Bajo
12.5
Ok
62.5
Alto
25.0
919 50

V38-Pres Dif Enfriador


Paro
23.5
Marcha
76.5

V40-Temp Ent Silo


Bajo
33.3
Medio
26.7
Alto
40.0
62.3 23

Figura 145. RB completa compilada con el estado de parametrizacin inicial

282

Desarrollo de la Propuesta

V63-Tipo Turnos
M 33.3
T 33.3
N 33.3

V62-Exper Operario
Experto 71.4
Normal 28.6

V67-Nivel Engrase
Bajo
99.5
Medio 0.23
Alto
0.23
0.332 0.023

V65-TRS equipos
Bajo
11.4
Medio 1.91
Alto
86.7
0.755 0.14

V74-Estacin
Invierno
2.26
Primavera 2.31
Verano
2.36
Otoo
93.1

ene
feb
mar
abr
may
jun
jul
ago
sep
oct
nov
dic

V73-Mes
0.78
0.71
0.79
0.76
0.79
0.76
0.79
0.82
0.80
91.4
0.77
0.78

V71-Dia Sem
1 lun
19.5
2 mar
19.5
3 mie
19.5
4 jue
19.5
5 vie
19.5
6 sab
1.34
7 dom 1.32

V72-Dia Mes
Inicio
93.8
Medio 2.74
Final
3.47

V75-Temp Media
Bajo
3.45
Medio 20.7
Alto
75.8
16.7 4.5

V76-Temp Mx
Bajo
3.11
Medio 21.3
Alto
75.6
22.6 4.9

V77-Temp Min
Bajo
3.25
Medio 21.3
Alto
75.5
11.9 4.3

V78-Precipitacin
Bajo
96.8
Medio 1.57
Alto
1.59
0.0382 0.3

V79-Hum Rel
Bajo
74.9
Medio 21.3
Alto
3.81
35 19

V66-RO equipos
Bajo
7.36
Medio 0.26
Alto
92.4
0.986 0.016

V80-Presin Atm
Bajo
3.10
Medio 21.2
Alto
75.7
995.9 6.1
V81-Irradiacin Sol
Bajo
2.94
Medio 93.9
Alto
3.12
10 2.5

V82-VMed Viento
Bajo
38.9
Medio 39.8
Alto
21.3
1.43 0.47

V83-Direccin Viento
O
19.3
E
38.6
N
20.8
S
21.4
00

V84-Rfaga Viento
Bajo
57.4
Medio 21.3
Alto
21.3
5.12 2.5

V64-Ritmo Produccin
Bajo
39.9
Medio
59.6
Alto
0.49
380 120

V68-Ratio Preventivo
Bajo
0.36
Medio
0.34
Alto
99.3
0.727 0.041
V69-Rendimiento
Bajo
99.5
Medio 0.27
Alto
0.27
0.7307 0.0098

V03-Caudal Material
0
20.1
0 to 6
3.99
6
44.6
6 to 6.1
.014
6.1
7.55
6.1 to 6.3 5.40
6.3
4.26
6.3 to 6.5 4.27
6.5 to 6.7 5.69
6.7 to 7.7 4.12
4.8 2.5

V33-Caudal de AnII
2.83 to 3.52 7.14
3.52 to 3.62 12.2
3.62 to 3.7
10.2
3.7 to 3.77
10.2
3.77 to 3.79 9.18
3.79 to 3.85 10.2
3.85 to 3.94 10.2
3.94 to 4.03 10.2
4.03 to 4.16 10.2
4.16 to 5.1
10.2
3.85 0.36

V23-Temp Emisin
0
20.0
0 to 85
1.43
85 to 86 8.57
86 to 87 8.57
87 to 89 15.7
89 to 91 11.4
91
11.4
91 to 93 4.29
93 to 94 5.71
94 to 97 12.9
71.4 36

V60-Frente Explotacin
Blanca
0
Escayola
0
Yeso
100

V57-Intensidad Molino 1
0
73.1
0 to 82.2
2.87
82.2 to 83
2.83
83 to 100
3.09
100 to 180 3.31
180 to 196 2.91
196 to 208 2.83
208 to 221 3.20
221 to 240 2.88
240 to 280 3.01
43.5 81

V17-Caudal de Gas
0
20.1
0 to 98.9
8.75
98.9 to 100.2
7.84
100.2 to 101.2 8.82
101.2 to 102.7 9.32
102.7 to 103.8 8.45
103.8 to 104.6 7.86
104.6 to 105.3 10.7
105.3 to 108.1 8.70
108.1 to 112.7 9.42
78.4 43

V21-Temp Salida Mater...


0
20.6
188
4.41
189
4.41
190
27.9
191
20.6
192
13.2
193
5.88
195
2.94
152 77

V05-Instant Partculas
0
19.5
0 to 26
8.43
26 to 28.4
9.26
28.4 to 30.1 8.98
30.1 to 31.6 8.60
31.6 to 33.2 9.14
33.2 to 34.9 8.81
34.9 to 37
8.75
37 to 41
10.5
41 to 82
8.03
27 17

V55-Intensidad Molino Min


Paro
50.0
Marcha
50.0
2.5 2.5

V56-Luz Criba Molino Min


D200
100
D220
0
V44-Humedad Libre
Bajo 44.4
Alto
55.6
0.667 0.15

V58-Luz Criba Molino 1


D10
100
D12
0

V70-Forma Llama
NoOk 38.9
Ok
61.1

V09-Temp Refractrio
0 to 39
5.07
39 to 180
6.92
180 to 770
11.1
770 to 794
10.7
794 to 796
8.55
796 to 799
13.9
799 to 802
8.83
802 to 806
13.7
806 to 807
7.64
807 to 814.7 13.6
676 250

V25-Velocidad Rotacin
Marcha
90.0
Paro
10.0

V13-Temp Material
0 to 34
13.8
34 to 200
14.0
200 to 546 16.0
546 to 551 7.99
551 to 554 7.99
554 to 557 8.26
557 to 560 7.99
560 to 562 7.99
562 to 566 7.99
566 to 588 7.99
393 220

V43-Pureza Mineral
Bajo 8.72
Ok
89.4
Alto
1.84
17 1.7

V42-Granul Entrada
Bajo 18.2
Ok
77.1
Alto
4.65
27.6 11

V45-Grado Cal An
Bajo 0.18
Ok
98.0
Alto
1.84
3.09 0.69
V59-Caudal Mat Filtro
Bajo
53.3
Alto
46.7
0.015 0

V31-Caudal emisiones
Bajo
62.5
Alto
37.5
17900 2400

V07-Media Partculas
0
19.5
0 to 27
9.76
27 to 28.9
8.01
28.9 to 30.4 8.62
30.4 to 31.9 8.73
31.9 to 33.3 8.88
33.3 to 34.9 9.44
34.9 to 36.7 8.73
36.7 to 40
10.3
40 to 80
8.06
26.9 17

V29-Pres Dif Tiro


Bajo 37.5
Alto
62.5
2.525 0.097

V35-Extraccin de H2O
Bajo
43.8
Alto
56.3
18.69 0.35

V46-Reactividad An
Ok
96.4
NoOk 3.57

V37-Velocidad Enfriador
Marcha
90.0
Paro
10.0

V41-Luz Criba Molino 2


D1p11
100
D1p31
0

V01-Intensidad Molino 2
0
64.7
0 to 17.7
3.80
17.7 to 18.1 3.94
18.1 to 18.9 3.63
18.9 to 20
4.27
20 to 27
3.72
27 to 28
3.63
28 to 28.5
3.94
28.5 to 28.9 3.94
28.9 to 30.9 4.42
7.98 12

V47-Agua Comb 2a
Bajo 4.22
Ok
94.4
Alto
1.38
0.299 0.042

V48-Granul M>0.2
Bajo 7.21
Ok
56.7
Alto
36.1
23.3 2.1

V49-Granul M>0.8
Bajo 12.5
Ok
62.5
Alto
25.0
1.81 0.7

V51-pH de An
Bajo .039
Ok
92.0
Alto
7.97
9.16 0.54

V61-Densidad An
Bajo 12.5
Ok
62.5
Alto
25.0
919 50

V38-Pres Dif Enfriador


Paro
23.5
Marcha
76.5

V40-Temp Ent Silo


Bajo
33.3
Medio 26.7
Alto
40.0
62.3 23

Figura 146. RB completa compilada con una nueva parametrizacin referencial de control para las variables

283

Desarrollo de la Propuesta

V63-Tipo Turnos
M 33.3
T 33.3
N 33.3

V62-Exper Operario
Experto 71.4
Normal 28.6

V67-Nivel Engrase
Bajo
33.3
Medio 33.3
Alto
33.3
0.56 0.16

V65-TRS equipos
Bajo
33.3
Medio 33.3
Alto
33.3
0.577 0.18

V74-Estacin
Invierno
95.4
Primavera 1.52
Verano
1.52
Otoo
1.60

ene
feb
mar
abr
may
jun
jul
ago
sep
oct
nov
dic

V73-Mes
100
0
0
0
0
0
0
0
0
0
0
0

V71-Dia Sem
1 lun
0
2 mar
100
3 mie
0
4 jue
0
5 vie
0
6 sab
0
7 dom
0

V72-Dia Mes
Inicio
0
Medio
100
Final
0

V75-Temp Media
Bajo
33.3
Medio 33.3
Alto
33.3
10 7.8

V76-Temp Mx
Bajo
89.2
Medio 9.23
Alto
1.54
3.74 5.1

V77-Temp Min
Bajo
89.2
Medio 9.23
Alto
1.54
-4.49 4.4

V78-Precipitacin
Bajo
64.9
Medio 22.4
Alto
12.7
0.305 0.8

V79-Hum Rel
Bajo
25.4
Medio 26.8
Alto
47.9
60.6 22

V66-RO equipos
Bajo
30.4
Medio 29.6
Alto
39.9
0.972 0.028

V80-Presin Atm
Bajo
35.4
Medio 23.1
Alto
41.5
985 16
V81-Irradiacin Sol
Bajo
0
Medio
0
Alto
100
20

V82-VMed Viento
Bajo
17.8
Medio 48.4
Alto
33.9
1.64 0.41

V83-Direccin Viento
O
24.2
E
10.6
N
51.5
S
13.6
00

V84-Rfaga Viento
Bajo
0
Medio
100
Alto
0
6.7

V64-Ritmo Produccin
Bajo
0
Medio
0
Alto
100
930

V68-Ratio Preventivo
Bajo
33.3
Medio
33.3
Alto
33.3
0.46 0.29
V69-Rendimiento
Bajo
33.3
Medio 33.3
Alto
33.3
0.817 0.066

V03-Caudal Material
0
0
0 to 6
0
6
100
6 to 6.1
0
6.1
0
6.1 to 6.3
0
6.3
0
6.3 to 6.5
0
6.5 to 6.7
0
6.7 to 7.7
0
60

V33-Caudal de AnII
2.83 to 3.52 7.14
3.52 to 3.62 12.2
3.62 to 3.7
10.2
3.7 to 3.77
10.2
3.77 to 3.79 9.18
3.79 to 3.85 10.2
3.85 to 3.94 10.2
3.94 to 4.03 10.2
4.03 to 4.16 10.2
4.16 to 5.1
10.2
3.85 0.36

V23-Temp Emisin
0
20.0
0 to 85
1.43
85 to 86 8.57
86 to 87 8.57
87 to 89 15.7
89 to 91 11.4
91
11.4
91 to 93 4.29
93 to 94 5.71
94 to 97 12.9
71.4 36

V60-Frente Explotacin
Blanca
0
Escayola
0
Yeso
100

V57-Intensidad Molino 1
0
73.1
0 to 82.2
2.87
82.2 to 83
2.83
83 to 100
3.09
100 to 180 3.31
180 to 196 2.91
196 to 208 2.83
208 to 221 3.20
221 to 240 2.88
240 to 280 3.01
43.6 81

V17-Caudal de Gas
0
11.7
0 to 98.9
10.2
98.9 to 100.2
8.78
100.2 to 101.2 8.58
101.2 to 102.7 11.4
102.7 to 103.8 8.91
103.8 to 104.6 10.2
104.6 to 105.3 12.9
105.3 to 108.1 9.22
108.1 to 112.7 8.23
78.3 43

V21-Temp Salida Mater...


0
20.6
188
4.41
189
4.41
190
27.9
191
20.6
192
13.2
193
5.88
195
2.94
152 77

V05-Instant Partculas
0
.031
0 to 26
4.47
26 to 28.4
8.34
28.4 to 30.1 8.93
30.1 to 31.6 9.96
31.6 to 33.2 12.5
33.2 to 34.9 12.3
34.9 to 37
13.2
37 to 41
15.7
41 to 82
14.5
27 17

V55-Intensidad Molino Min


Paro
50.0
Marcha
50.0
2.5 2.5

V56-Luz Criba Molino Min


D200
100
D220
0
V44-Humedad Libre
Bajo 44.4
Alto
55.6
0.667 0.15

V58-Luz Criba Molino 1


D10
100
D12
0

V70-Forma Llama
NoOk 38.9
Ok
61.1

V09-Temp Refractrio
0 to 39
0
39 to 180
0
180 to 770
0
770 to 794
0
794 to 796
0
796 to 799
0
799 to 802
0
802 to 806
100
806 to 807
0
807 to 814.7
0
804 1.2

V25-Velocidad Rotacin
Marcha
90.0
Paro
10.0

V13-Temp Material
0 to 34
0
34 to 200
0
200 to 546
0
546 to 551
0
551 to 554
0
554 to 557
100
557 to 560
0
560 to 562
0
562 to 566
0
566 to 588
0
555.5 0.87

V43-Pureza Mineral
Bajo 8.72
Ok
89.4
Alto
1.84
17 1.7

V42-Granul Entrada
Bajo 18.2
Ok
77.1
Alto
4.65
27.6 11

V45-Grado Cal An
Bajo 0.18
Ok
98.0
Alto
1.84
3.09 0.69
V59-Caudal Mat Filtro
Bajo
53.3
Alto
46.7
0.015 0

V31-Caudal emisiones
Bajo
62.5
Alto
37.5
17900 2400

V07-Media Partculas
0
0.19
0 to 27
6.62
27 to 28.9
7.83
28.9 to 30.4 9.42
30.4 to 31.9 10.6
31.9 to 33.3 11.4
33.3 to 34.9 12.9
34.9 to 36.7 12.4
36.7 to 40
15.6
40 to 80
13.0
26.8 17

V29-Pres Dif Tiro


Bajo 37.5
Alto
62.5
2.525 0.097

V35-Extraccin de H2O
Bajo
43.7
Alto
56.3
18.69 0.35

V46-Reactividad An
Ok
96.4
NoOk 3.57

V37-Velocidad Enfriador
Marcha
90.0
Paro
10.0

V41-Luz Criba Molino 2


D1p11
100
D1p31
0

V01-Intensidad Molino 2
0
64.7
0 to 17.7
3.80
17.7 to 18.1 3.94
18.1 to 18.9 3.63
18.9 to 20
4.27
20 to 27
3.72
27 to 28
3.63
28 to 28.5
3.94
28.5 to 28.9 3.94
28.9 to 30.9 4.42
8 12

V47-Agua Comb 2a
Bajo 4.22
Ok
94.4
Alto
1.38
0.299 0.042

V48-Granul M>0.2
Bajo 7.21
Ok
56.7
Alto
36.1
23.3 2.1

V49-Granul M>0.8
Bajo 12.5
Ok
62.5
Alto
25.0
1.81 0.7

V51-pH de An
Bajo .039
Ok
92.0
Alto
7.97
9.16 0.54

V61-Densidad An
Bajo 12.5
Ok
62.5
Alto
25.0
919 50

V38-Pres Dif Enfriador


Paro
23.5
Marcha
76.5

V40-Temp Ent Silo


Bajo
33.3
Medio 26.7
Alto
40.0
62.3 23

Figura 147. Ejemplo de instanciacin de la RB

284

Desarrollo de la Propuesta
En la Figura 147 se puede ver el comportamiento de la red, una vez se instancian
algunos de sus nodos y como el resto de la estructura varia, adaptndose a esta
nueva configuracin en funcin de las relaciones entre si de sus variables. Por
ejemplo, si se instancia a 6m3/h el caudal de material al horno, hay un riesgo mayor de
sobrepasar el caudal de partculas permitido por ley (50 mg/Nm3), que pasa de un 8%
a un 14% de riesgo, respecto a trabajar con una variabilidad estndar de caudal.
La instanciacin parcial dirigida de la RB permitira obtener un modelo estable y fiable
del proceso. Esto servir, entre otras muchas cosas, para predecir estados (mejor
dicho, probabilidades), que permitirn obtener las desviaciones sobre lo previsto
inicialmente, valorar la importancia de cada subproceso o de cada variable del proceso
respecto al proceso conjunto.
Uno de los factores ms determinantes, sino el fundamental, para la eleccin de esta
herramienta en ste proyecto, es la capacidad de la red en el aprendizaje. ste
aprendizaje ya se ha tratado bastamente en el estado del arte de este volumen. Esta
caracterstica permitir introducir al sistema y a la red, cada vez datos ms fiables, con
ms experiencia, y esto, a todas luces, har da a da cada vez ms slidos sus
resultados.
Se aprecia este modelado como una herramienta muy potente para el diseo, la
remodelacin, el anlisis y el trabajo diario de cualquier sistema de produccin.
3.7.4.8 Anlisis de la RB
En el apartado anterior se han establecido y trabajado con el modelo del proceso
mediante una sper-estructura de RB. En este apartado se valorar la red y la bondad
de sus parmetros y sus relaciones (Tabla 84).
57
0
0
0
117
0
0
0
61
1

361,750
0

Nodos (sin incluir las constantes)


Nodos de decisin
Nodos de utilidad
Nodos constantes
Enlaces (no desconectados)
Enlaces desconectados
Enlaces de accin retardada
Ciclos dirigidos (sin retrasos)
Bucles (sin tener en cuenta las
direcciones de enlace)
Red separada (sin tener en cuenta
las constantes)
Nmero CPT (nmero total de
probabilidades condicionales)
Nodos negativos

Tabla 84. Caractersticas de la RB

285

Desarrollo de la Propuesta

Se han introducido en la RB modelo mltiples casos correspondientes a ms y menos


rangos temporales para comprobar la bondad de la red en condiciones diferentes y
comparando siempre con el histrico total de casos, que cmo se ha dicho
anteriormente dato a dato se retroalimenta y se hace ms parecido a la realidad del
proceso.

ene

feb

mar

abr

may

jun

jul

ago

sep

oct

nov

dic

0.008

0.007

0.008

0.008

0.008

0.008

0.008

0.008

0.008

0.914

0.008

0.008

0-6

6-6.1

6.1

6.3

0.201

0.040

0.446

0.000

0.075

6.16.3
0.054

0.043

6.36.5
0.043

6.56.7
0.057

6.77.7
0.041

0-17.7

18.920
0.043

27-28

0.038

18.118.9
0.036

20-27

0.647

17.718.1
0.039

0.037

0.036

2828.5
0.039

28.528.9
0.039

28.930.9
0.044

0-26

30.131.6
0.086

31.633.2
0.091

33.234.9
0.088

34.937
0.088

41-82

0.084

28.430.1
0.090

37-41

0.195

2628.4
0.093

0.105

0.080

0-27
0.098

28.930.4
0.086

30.431.9
0.087

31.933.3
0.089

33.334.9
0.094

34.936.7
0.087

36.740
0.103

40-80

0.195

2728.9
0.080

0-82.2

V57Intensidad
Molino 1

0.731

0.029

82.283
0.028

83100
0.031

100180
0.033

180196
0.029

196208
0.028

208221
0.032

221240
0.029

240280
0.030

0-85

85-86

86-87

87-89

89-91

91

91-93

93-94

94-97

V23-Temp
Emisin

0.200

0.014

0.086

0.086

0.157

0.114

0.114

0.043

0.057

0.129

0-98.9

0.201

0.088

98.9100.2
0.078

100.2101.2
0.088

101.2102.7
0.093

102.7103.8
0.084

103.8104.6
0.079

104.6105.3
0.107

105.3108.1
0.087

108.1112.7
0.094

0-34

34-200

0.138

0.140

200546
0.160

546551
0.080

551554
0.080

554557
0.083

557560
0.080

560562
0.080

562566
0.080

566588
0.080

0-39

39-180

0.051

0.069

180770
0.111

770794
0.107

794796
0.086

796799
0.139

799802
0.088

802806
0.137

806807
0.076

807814.7
0.136

2.833.52
0.071

3.52-3.62

3.623.7
0.102

3.73.77
0.102

3.773.79
0.092

3.793.85
0.102

3.853.94
0.102

3.944.03
0.102

4.034.16
0.102

4.165.1
0.102

V73-Mes
V03-Caudal
Material
V01Intensidad
Molino 2
V05-Instant
Partculas
V07-Media
Partculas

V17-Caudal
de Gas
V13-Temp
Material
V09-Temp
Refractario
V33-Caudal
de AnII

0.122

188

189

190

191

192

193

195

V21-Temp
Salida
Material

0.206

0.044

0.044

0.279

0.206

0.132

0.059

0.029

1 lun

2 mar

3 mie

4 jue

5 vie

6 sb

7 dom

V71-Dia Sem

0.195

0.195

0.195

0.195

0.195

0.013

0.013

Invierno

Primavera

Verano

Otoo

0.023

0.023

0.024

0.931

0.193

0.386

0.208

0.214

V74-Estacin
V83-Direccin
Viento

0.081

286

Desarrollo de la Propuesta
Bajo

Medio

Alto

V40-Temp Ent
Silo
V64-Ritmo
Produccin
V65-TRS
equipos
V66-RO
equipos
V67-Nivel
Engrase
V68-Ratio
Preventivo
V69Rendimiento
V75-Temp
Media
V76-Temp
Mx
V77-Temp
Min
V78Precipitacin
V79-Hum Rel
V80-Presin
Atm
V81Irradiacin
Sol
V82-VMed
Viento
V84-Rfaga
Viento

0.333

0.267

0.400

0.399

0.596

0.005

0.114

0.019

0.867

0.074

0.003

0.924

0.995

0.002

0.002

0.004

0.003

0.993

0.995

0.003

0.003

0.035

0.207

0.758

0.031

0.213

0.756

0.032

0.213

0.755

0.968

0.016

0.016

0.749

0.213

0.038

0.031

0.212

0.757

0.029

0.939

0.031

0.389

0.398

0.213

0.574

0.213

0.213

Bajo

Ok

Alto

V42-Granul
Entrada
V43-Pureza
Mineral
V45-Grado
Cal An
V47-Agua
Comb 2a
V48-Granul
M>0.2
V49-Granul
M>0.8
V51-pH de An
V61-Densidad
An

0.182

0.771

0.047

0.087

0.894

0.018

0.002

0.980

0.018

0.042

0.944

0.014

0.072

0.567

0.361

0.125

0.625

0.250

0.000

0.920

0.080

0.125

0.625

0.250

Blanca

Escayola

Yeso

V60-Frente
Explotacin

Inicio

Medio

Final

V72-Dia Mes

0.938

0.027

0.035

V63-Tipo
Turnos

0.333

0.333

0.333

V29-Pres
Tiro

Dif

Bajo

Alto

0.375

0.625

287

Desarrollo de la Propuesta
V31-Caudal
emisiones
V35Extraccin de
H2O
V44Humedad
Libre
V59-Caudal
Mat Filtro
V58-Luz Criba
Molino 1
V41-Luz Criba
Molino 2
V56-Luz Criba
Molino Min
V62-Exper
Operario
V25Velocidad
Rotacin
V37Velocidad
Enfriador

0.625

0.375

0.438

0.563

0.444

0.556

0.533

0.467

D10

D12

D1p11

D1p31

D200

D220

Experto

Normal

0.714

0.286

Marcha

Paro

0.9

0.1

0.9

0.1

NoOk

Ok

V70-Forma
Llama

0.389

0.611

Ok

NoOk

V46Reactividad
An

0.964

0.036

Paro

Marcha

V38-Pres Dif
Enfriador
V55Intensidad
Molino Min

0.235

0.765

0.5

0.5

Tabla 85. Tabla de creencia de la RB


En la Tabla 85 se puede apreciar la tabla de probabilidades antes de instanciacin
para los nodos de la estructura segn una muestra de datos introducida. A esta figura
tambin se le llama tabla de creencia de la RB. En la misma se muestran las
probabilidades para cada estado de cada variable.
Otro tipo de anlisis posible de la RB es el que estudia las relaciones entre las
variables como se puede ver en la Tabla 86, tambin llamado rbol de relacin de la
red. Se analizaran as las implicaciones y el tamao de probabilidades combinatorias
entre los estados de los mismos.

288

Desarrollo de la Propuesta

Registro
0
1
2
3

Relacionados Tamao
[1]
81
[0 2 13 18]
3,240
[1 3]
8,640
[2 4 12 24]
2,332,800

[3 5 11]

432,000

[4 6 9]

129,600

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

[5 7 21]
[6 8 14]
[7 15]
[5 10]
[9]
[4]
[3 19]
[1]
[7]
[8 16]
[15 17]
[16]
[1 33]
[12 20]
[19 31]
[6 22]
[21 23]
[22]
[3 25 28]
[24 26 32]
[25 27]
[26]
[24 29]
[28 30]
[29]
[20]
[25]
[18]

16,200
1,620
5,400
12,960
486
40,000
24,000
162
486
54
360
36
1,260
60
18
2,000
4,000
400
216
648
1,296
432
972
108
48
4
4
9

Variables implicadas
V63, V64, V66, V65
V64, V62, V69, V44, V03, V66, V65
V62, V69, V44, V03, V66, V65, V21
V60, V69, V25, V44, V03, V43, V66,
V65, V75, V17, V21
V13, V60, V69, V25, V03, V43, V17,
V21
V42, V13, V60, V69, V25, V03, V43,
V21
V33, V42, V60, V69, V25, V03, V43
V41, V33, V42, V60, V69, V43
V01, V41, V33, V42, V60, V69
V45, V46, V47, V42, V13, V43, V21
V51, V45, V46, V47, V42, V43
V70, V09, V13, V25, V03, V17
V23, V03, V75, V17, V21
V67, V64, V62, V69, V66
V48, V49, V61, V41, V60, V43
V58, V42, V60, V69
V55, V57, V58, V60, V69
V56, V55, V60, V69
V71, V72, V64, V44, V03
V37, V23, V75
V40, V37, V75
V31, V05, V33, V03
V07, V59, V31, V05, V03
V29, V07, V31, V05
V73, V81, V44, V75
V78, V79, V73, V81, V44
V83, V78, V79, V73, V81
V80, V83, V78, V73
V77, V76, V73, V81, V75
V82, V84, V73
V74, V73
V38, V37
V35, V44
V68, V64

Tamao total: 3,019,600


Tabla 86. rbol de relaciones de la RB
3.7.4.9 Influencia de las variables
En la simulacin de casos presentada, uno de los objetivos ser la obtencin de la
relacional entre las variables que conforman la RB, sobre todo para determinar las
influencias ms notables. En la Tabla 87 se pueden ver algunas relacionales entre
nodos, que sern las que ms influirn en el proceso.

289

Desarrollo de la Propuesta

Variable
V03-Caudal
Material

Bisabuelos
V73, V80,
V83, V81

Abuelos
V78, V79

Padres
V44,
V64,
V71, V72

Nodo
V03

Hijos
V05, V13,
V09, V23,
V17, V33,
V21, V59

V13-Temp
Material

V78, V79,
V63, V62,
V67, V73,
V81, V77,
V76
V80, V83,
V74

V44, V64,
V71, V72,
V60, V43,
V65, V66,
V69, V75
V64, V71,
V72, V78,
V79, V63,
V62, V67,
V73, V81,
V77, V76

V09,
V03,
V17,
V70, V25

V13

V47, V45,
V46

V17

V23-Temp
Emisin

V78, V79,
V63, V67,
V73, V81,
V77, V76

V31-Caudal
emisiones

V44, V64,
V71, V72

V62, V44,
V64, V71,
V72, V60,
V25, V43,
V65, V66,
V69, V75
V25, V03

V60,
V03,
V25,
V44,
V43,
V65,
V66,
V69, V75
V21,
V03, V17

V33

V17-Caudal de
Gas

Nietos
V07,
V29,
V47,
V45,
V46,
V37,
V70,
V01, V31
V51

Biznietos
V51, V38,
V40

V09, V13,
V70, V23

V47,
V45,
V46, V37

V51, V38,
V40

V23

V37

V38,
V40

V31

V59, V29,
V05, V07

Tabla 87. Relaciones de los nodos ms influyentes


Lo que corresponde a un resultado similar al ofrecido en el apartado de la evaluacin
de las variables del proceso por mtodos clsicos, reforzando la argumentacin. En la
Tabla 88 se pueden obtener la sensibilidad a otras variables de los principales nodos
Finalmente, se evaluar, en el anlisis para un caso concreto, la bondad de
correlacin del modelo entre este caso concreto (un ciclo semanal) y todos los datos
histricos. Se debe tener en cuenta que es normal que haya una distancia entre la
realidad de una semana concreta y el total de los datos histricos (la muestra
corresponde a menos del 1% de los datos). De todas formas en la Tabla 89 se
calcularan los principales ratios de esta relacin de la parte con el total (la descripcin
de los parmetros se ha visto al inicio de este captulo). Los ratios mejorarn a la vez
que se produzcan ms experiencias y se haga mayor el historio, pero los ratios
obtenidos pueden considerarse buenos y corroboran el modelo.

290

Desarrollo de la Propuesta

Principal

Sec

V03

V03
V05
V07
V09
V13
V09
V13
V03
V05
V07
V17
V13
V09
V03
V05
V17
V07
V17
V09
V13

V09

V13

V17

Reduccin
de Varianza
60,400
17,420
8,793
7,087
6,769
6,638
6.27
5.60
5.45
0.94
0.28
45,850
14,140
2,022
1,854
1,838
1,803
1,786
222.10
72.37

100
89.3
87
14.9
4.42
100
28.8
14.6
11.7
11.2
11
100
30.8
4.41
4.04
4.01
3.93
100
12.4
4.05

Varianza de
las
creencias
0.5816659
0.1427716
0.1333534
0.0204472
0.0036746
0.7953205
0.0192070
0.0086754
0.0018797
0.0016282
0.0016195
0.7943173
0.0524781
0.0029539
0.0011649
0.0010703
0.0010720
0.7906649
0.0120153
0.0021490

Tabla 88. Sensibilidad a otras variables de los principales nodos


Nodo
V03-Caudal
Material
V13-Temp
Material (test1)
V13-Temp
Material (test2)
V17-Caudal de
Gas
V31-Caudal
emisiones

Ratio de
Error
35.46%

Prdida
logartmica
1.174

Prdida
Cuadrtica
0.5051

Compensacin
Esfrica
0.6771

29.78%

1.879

0.7737

0.4388

39.56%

2.186

0.8667

0.3583

29.89%

2.254

0.888

0.3347

49.65%

1.986

0.8327

0.4146

Tabla 89. Ratios de algunas variables de la RB expuestas a test de nuevas muestras


de datos

291

4 ANLISIS DE APLICACIONES

En ste captulo se aportarn algunas de las contribuciones de aplicacin de sta tesis


al proceso de calcinacin de anhidrita que se detallarn en las siguientes lneas.
La tarea principal del operador de planta es la de controlar de forma continua el
funcionamiento de los equipos a su cargo, en cuanto a los flujos de entrada y salida de
todos los elementos de proceso. A la vez normalmente debe realizar comprobaciones
muestrales de control de calidad de los productos terminados, as como engrases y
mantenimientos de primer nivel en los equipos. Se aade que el operador debe tener
capacidad y el control suficiente del proceso, como para poder observar anomalas
ocasionales que se repitan en cualquier parte de la implantacin para poder resolver si
esta en su capacidad hacerlo y/o comunicar a los ingenieros de planta para que
resuelvan problemas que a priori no paran por avera los equipos, pero que a la larga,
sas desviaciones, pueden producir cualquier tipo de problema que produzca una
avera.
Se ha visto en los captulos anteriores que el operario de calcinacin dispone de
herramientas para realizar el control del proceso y esta alerta preventiva y predictiva.
Dispone de un entorno MES junto a el sistema Scada que le proporciona una visin
privilegiada de todo el proceso, de forma parcial y total, lo que le permite corregir y
ajustar las desviaciones. Por otro lado se ha implantado los lazos de control
necesarios para que el sistema trabaje de una forma autnoma, tal como se ha
desarrollado en el captulo 3.7. La experiencia del operador ser clave en todo este
proceso, de forma que el grado de experiencia se ha incluido como variable en ste
modelo del proceso mediante redes bayesianas detallado en el captulo 3.8. Dicho
modelo permitir al operador obtener datos que no aparecen en el sistema de control
tradicional y le permitir intuir de forma sistemtica, con la ayuda de la red de creencia
elaborada, anomalas en el proceso global y en los subprocesos particulares.
An con todas las herramientas disponibles, en este apartado, se aplicar, como
aportacin novedosa, una nueva herramienta inteligente de control experto para el
operador. Se usaran para este fin de nuevo las redes bayesianas, pero esta vez se
modelar una red de decisin (en el captulo 3.8, el modelo se desarrollo mediante una
RB de creencia). Se usar la red bayesiana para evaluar el riesgo de que aparezca el
efecto windup o reset-windup, problema habitual en los PID en su parte integral, como
se describir en este mismo captulo.
Para evaluar este efecto se usaran las nuevas variables de proceso que se han creado
al automatizar el mismo y se aadir la variable de humedad como factor de riesgo
para el efecto. Estas nuevas variables se aadirn a las variables que se han
determinado como crticas de proceso, despus de los anlisis en los apartados 3.4 y
3.8 de esta tesis.
Como se ha visto, la implantacin de un controlador de lazo cerrado PID al proceso de
calcinacin de la anhidrita, ha requerido mejorar el control de varios elementos de
monitorizacin que se aaden a los elementos anteriores, esto ha generado unos
datos ms fiables que los anteriores, medidos de forma manual. El anlisis de las
nuevas variables obtenidas y el mejor ajuste de los datos respecto a los datos
obtenidos por el primer proceso, antes de la implantacin del modelo, tambin ser el
cometido de este captulo.

293

Anlisis de Aplicaciones

4.1

ANLISIS DEL SISTEMA DE REGULACIN APLICADO

4.1.1 Fiabilidad de los datos de control


La implantacin del PID desarrollado en el captulo 3.7 implica la necesidad de obtener
una mejor y ms eficiente monitorizacin de las variables implicadas en la calcinacin
de la anhidrita. En los captulos 3.4 y 3.8 ya se analizaron dichas variables y se
acordaron cules son las crticas del proceso. Lamentablemente la informacin en
forma de datos recogida para dichas variables no era en todas igual de homognea.
En algunas de ellas se disponan de datos en continuo y para cada minuto de
funcionamiento de los equipos, por lo que la trazabilidad era elevada. Otras variables
reportaban datos cada dos horas, por lo que disminua el grado de efectividad de su
seguimiento. Existan multitud de tipologas ms para el reporte: cada 4 horas, diarias,
mensuales, discretas, recogidas a mano, por el sistema scada, mediante sondas
digitales, etc. Con las modificaciones realizadas y una vez evaluadas las variables
crticas, se uniformizan todas ellas a reporte continuo cada minuto y automtico
mediante software AEmes trabajando sobre el Scada. Esto da una gran fiabilidad de
datos. Para ello se han realizado cambios en los equipos.
4.1.1.1 Instalacin de un variador de frecuencia
Se realiz la instalacin de un variador de frecuencia para el ventilador del horno. Con
ello se fija la variable Ce como un parmetro de regulacin clave. Como vimos en el
captulo de descripcin y uso del horno, la regulacin del caudal de aire expulsado a la
atmosfera a travs del filtro de manga, se realizaba mediante una clapeta manual, a
diferentes grados de apertura (0% totalmente cerrado y 100% totalmente abierto). Esta
apertura no era trazable ni reportable y se buscaban medidas indirectas para obtener
el caudal de emisin. Instalando un variador de frecuencia se puede obtener una
medida proporcional a la apertura actual a travs de la velocidad de giro de dicho
ventilador, mucho ms precisa que la clapeta actual.
Ajuste del variador
El ajuste inicial del variador se realiza de la siguiente forma:
-

Se pone el horno a rgimen permanente con el sistema tradicional y la clapeta


abierta a un porcentaje adecuado para el caudal de gas y de material actual.
Se realiza la apertura de la clapeta al 100% y se conecta el funcionamiento del
ventilador mediante el variador de frecuencia.
Se regula el variador para que la temperatura de material y la temperatura de
emisiones sean las deseadas.
Se obtiene la proporcin directa entre el porcentaje de apertura de la clapeta y
la frecuencia del variador
Para un nuevo proceso se mantiene siempre abierta la clapeta y se regula
mediante variador exclusivamente.

294

Anlisis de Aplicaciones
Ahorro energtico
El aporte del variador de frecuencia, a parte de ser de estabilidad y trazabilidad del
proceso, valora muy positivamente un ahorro energtico de electricidad y por tanto
econmico.

Figura 148. Medicin de la potencia del ventilador sin variador

Figura 149. Medicin de la potencia del ventilador con variador


En las Figura 148 y Figura 149 se puede apreciar las grficas de potencia trabajando
sin el variador de frecuencia (con clapeta) y mediante el variador. Se puede apreciar la
diferencia de potencia realizada para obtener el mismo resultado. Se estima un 70%
de reduccin de consumo elctrico con lo que se reducir 193,844kWh al ao. El
periodo de retorno de la inversin del variador es de unos 6 meses (sin contar las
posibles subvenciones), con lo que es una magnfica medida de optimizacin.
4.1.1.2 Instalacin de pilotaje de la vlvula de gas natural
Para la regulacin de la entrada de gas natural al horno de anhidrita se realizaba una
operacin manual de apertura y cierre de la vlvula, como se ha visto en el apartado
del funcionamiento del quemador de gas. A diferentes grados de apertura (0%
totalmente cerrado y 100% totalmente abierto), se consegua el caudal de gas
adecuado para la calcinacin. Para que el controlador PID regule este caudal de gas
es necesario realizar un pilotaje desde el sistema Scada, por lo que se ha procedido a
instalar un potencimetro para saber en cada momento la posicin de apertura de la
vlvula y por otra parte un servocontrol que permite accionar esta apertura y cierre
desde el controlador.

295

Anlisis de Aplicaciones
4.1.1.3 Medicin continua de la temperatura de salida de gases
Para conocer la temperatura de salida de gases se dispona de un visor de lectura
digital conectado a una sonda PT-100. Conocer esta temperatura es fundamental en
dos aspectos clave:
-

Para regular el sistema mediante PID


Como seguridad para evitar daos por alta temperatura en las mangas del filtro
de extraccin de humos

Se ha procedido a cambiar el visor digital por un nuevo elemento de control con


conexin directa al sistema Scada para su supervisin y monitorizacin

Figura 150. Nueva pantalla de control para el horno de calcinacin

4.1.2 Mejora de las correlaciones entre variables


Una vez efectuadas las mejoras descritas en el apartado anterior, se detallaran las
mejoras en la correlacin de datos de las variables clave implicadas en el proceso. Se
compararan las regresiones con los datos obtenidos en el apartado 3.4 con los nuevos
datos obtenidos de la lectura en continuo de los parmetros de control. Se realizan las
modificaciones en el Scada para que en pantalla aparezcan estas nuevas
regulaciones, tal como se muestra en la Figura 150.
4.1.2.1 Variables crticas de proceso
En la Tabla 90 se muestran las variables actuales y las anteriormente consideradas.
Como se puede apreciar en dicha tabla aparecen las nuevas variables descritas
anteriormente y que servirn como actuacin de seales para el controlador PID.

296

Anlisis de Aplicaciones
Parmetros de control
Caudal Material Qm
Caudal Gas Natural Qg

Cdigo Unidades

Tipo

V03

Tm/h

Continua

V17

Continua

m /h
3

Caudal Emisiones Qe

V31

Nm /h

Continua

Temperatura
Refractario Tr

V09

Continua

Temperatura Material
Tm

V13

Continua

Temperatura
Emisiones Te

V85

Continua

Frecuencia Variador
Material Cm

V86

Continua

Apertura Vlvula Gas


Cg

V87

Continua

Frecuencia Variador
Ventilador Ce

V88

Continua

Tabla 90. Nuevo conjunto de variables crticas de proceso


4.1.2.2 Nuevas correlaciones entre variables
El estudio de los datos obtenidos despus de realizar las modificaciones pertinentes
permite comprobar la mejora obtenida en cuanto a la obtencin de datos. En las
figuras (Figura 151, Figura 152, Figura 153 y Figura 154) se pueden observar los
principales valores estadsticos de las nuevas variables empleadas. Se han empleado
dichas variables y no otras para analizar sus correlaciones, al considerarse stas las
crticas del sistema, es decir, las que se emplearn para la automatizacin del mismo.

297

Anlisis de Aplicaciones
V85
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

31,5

42,0

52,5

63,0

73,5

84,0

94,5

105,0

329,95
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

97,177
5,867
34,422
-5,1098
43,9859
7501

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

30,264
94,848
97,809
100,538
105,923

Interv alo de confianza de 95% para la media


97,045

97,310

Interv alo de confianza de 95% para la mediana


97,660

97,932

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

5,775

5,962

Media

Mediana
97,0

97,2

97,4

97,6

97,8

Figura 151. Estadsticas de la variable V85

V86
P rueba de normalidad de A nderson-Darling

12

16

20

24

28

A -cuadrado
V alor P <

1129,19
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

26,569
4,829
23,315
-3,4938
14,3324
7501

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,000
25,000
29,000
29,000
29,000

Interv alo de confianza de 95% para la media


26,460

26,679

Interv alo de confianza de 95% para la mediana


29,000

29,000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

4,753

4,907

Media

Mediana
27

28

29

Figura 152. Estadsticas de la variable V86

298

Anlisis de Aplicaciones
V87
P rueba de normalidad de A nderson-Darling

14

28

42

56

70

84

98

A -cuadrado
V alor P <

1188,43
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

42,100
3,714
13,795
-4,9215
90,5697
7501

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,000
41,328
41,468
42,707
97,065

Interv alo de confianza de 95% para la media


42,016

42,184

Interv alo de confianza de 95% para la mediana


41,468

41,469

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

3,656

3,775

Media

Mediana
41,4

41,6

41,8

42,0

42,2

Figura 153. Estadsticas de la variable V87

V88
P rueba de normalidad de A nderson-Darling

12

24

36

48

60

72

A -cuadrado
V alor P <

2568,38
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

79,754
2,443
5,967
-28,116
907,270
7501

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,000
80,000
80,000
80,000
80,000

Interv alo de confianza de 95% para la media


79,699

79,810

Interv alo de confianza de 95% para la mediana


80,000

80,000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

2,404

2,483

Media

Mediana
79,7

79,8

79,9

80,0

Figura 154. Estadsticas de la variable V88


A la vez se proceder a analizar en las figuras ( Figura 155, Figura 156, Figura 157,
Figura 158, Figura 159 y Figura 160) la correlacin entre las principales variables del
proceso (V13 o temperatura del material, como consigna con el resto de variables). En
la Tabla 91 se compara la bondad de la correlacin mediante el coeficiente R-cuad.

299

Anlisis de Aplicaciones

V13
V86
V87
V86 0,865
V87 0,974 0,838
V88 0,850 0,970 0,894
Tabla 91. Coeficiente de correlacin entre las nuevas variables con el caudal de
material
V13 = 41,91 + 133,5 V03- 8,528 V03^2
S
R-cuad.
R-cuad.(ajustado)

600

35,5148
98,1%
98,1%

500

V13

400
300
200
100
0
0

4
5
V03

Figura 155. Regresin entre las variables V13 y V03


V13 = 23,30 + 0,1629 V09+ 0,000808 V09^2
S
R-cuad.
R-cuad.(ajustado)

600

50,5664
96,1%
96,1%

500

V13

400
300
200
100
0
0

100

200

300

400
V09

500

600

700

800

Figura 156. Regresin entre las variables V13 y V09

300

Anlisis de Aplicaciones

V13 = 42,08 + 16,33 V17- 0,1162 V17^2


700

S
R-cuad.
R-cuad.(ajustado)

600

41,5217
97,4%
97,4%

500

V13

400
300
200
100
0
0

20

40

60

80

100

V17

Figura 157. Regresin entre las variables V13 y V17

V13 = 34,88 + 52,58 V86- 1,265 V86^2


S
R-cuad.
R-cuad.(ajustado)

600

94,5655
86,5%
86,5%

500

V13

400
300
200
100
0
0

10

15
V86

20

25

30

Figura 158. Regresin entre las variables V13 y V86

301

Anlisis de Aplicaciones

V13 = 42,20 + 26,05 V87- 0,3313 V87^2


750

S
R-cuad.
R-cuad.(ajustado)

41,4611
97,4%
97,4%

500

V13

250

-250

-500
0

20

40

60

80

100

V87

Figura 159. Regresin entre las variables V13 y V87


V13 = 31,59 + 9,013 V88- 0,03770 V88^2
S
R-cuad.
R-cuad.(ajustado)

600

99,5897
85,0%
85,0%

500

V13

400
300
200
100
0
0

10

20

30

40
50
V88

60

70

80

90

Figura 160. Regresin entre las variables V13 y V88


Se puede evaluar la ecuacin de regresin entre la variable de consigna y las de
control del proceso con la siguiente expresin:

Para dicha expresin R-cuad. ser de 98,4%.

302

Anlisis de Aplicaciones
En la Figura 161 y Figura 162 se puede observar la absoluta correlacin para el
consumo de gas (caudal de gas o V17) con el caudal de material (V03) y la apertura
de la vlvula de gas (V86). Esto permite dar por buena la relacin actual entre dichos
parmetros y comprobar la certeza de los clculos que se realizarn a continuacin.

V17 = 0,2190 + 35,01 V03- 3,116 V03^2


S
R-cuad.
R-cuad.(ajustado)

100

3,23444
99,5%
99,5%

80

V17

60

40

20

0
0

4
5
V03

Figura 161. Regresin entre las variables V17 y V03


V17 = 0,00596 + 3,793 V87- 0,03708 V87^2
S
R-cuad.
R-cuad.(ajustado)

100

2,43723
99,7%
99,7%

80

V17

60

40

20

0
0

20

40

60

80

100

V87

Figura 162. Regresin entre las variables V17 y V87

303

Anlisis de Aplicaciones

4.1.2.3 Evaluacin de la mejora


Un mejor control de las variables que intervienen en el proceso siempre permitir
ajustar mejor los ajustes de dicho proceso. Por tanto, las mejoras introducidas en el
control y las lecturas permitirn mejorar la precisin en la operacin de calcinacin de
anhidrita.
Se ha visto en el apartado 3.3 que la introduccin del variador de frecuencia para la
gestin de las emisiones a la atmosfera permite un ahorro del 51% del consumo
energtico en cuanto a electricidad del horno en cuestin.
Por otro lado, se evaluar a continuacin la mejora en consumo energtico, en cuanto
a gas natural se refiere, una vez introducidas las medidas referidas. Se puede evaluar
como el consumo especfico de gas natural la siguiente expresin:

Dnde el resultado se expresar en m3/Tm


En la Figura 163 y Figura 164 se pueden comparar las estadsticas de consumo
especfico de gas natural en la situacin anterior (a las modificaciones) y la siguiente
(una vez realizadas).

V17/V03
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

16

32

48

64

80

96

112

128

892,01
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

17,148
2,940
8,646
20,829
624,681
5750

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

12,899
16,380
16,866
17,436
126,410

Interv alo de confianza de 95% para la media


17,072

17,224

Interv alo de confianza de 95% para la mediana


16,847

16,866

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

2,888

2,995

Media

Mediana
16,8

16,9

17,0

17,1

17,2

Figura 163. Consumo especfico de gas natural antes de realizar las modificaciones en
el proceso

304

Anlisis de Aplicaciones
V17/V03
P rueba de normalidad de A nderson-Darling

16

32

48

64

80

96

112

128

A -cuadrado
V alor P <

1180,16
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

14,220
2,576
6,635
16,164
553,579
7446

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

11,525
13,171
13,500
14,406
126,000

Interv alo de confianza de 95% para la media


14,162

14,279

Interv alo de confianza de 95% para la mediana


13,500

13,500

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

2,535

2,618

Media

Mediana
13,4

13,6

13,8

14,0

14,2

Figura 164. Consumo especfico de gas natural despus de realizar las modificaciones
en el proceso
Se llega pues a la conclusin que el ahorro energtico de gas natural producido por las
modificaciones en el proceso ser debido a un mejor ajuste manual del mismo,
mejorando el control de la apertura de la vlvula de gas y optimizndolo siempre a la
temperatura consigna deseada, consiguiendo un ahorro de un 17% en el consumo.
Estos ajustes mejorados se pueden apreciar en las curvas de la Figura 165, Figura
166 y Figura 167.
Variables V09, V13 y V85

C
800
700
600
500
400
300
200
100

1
3
5
7
9
12
14
16
18
21
23
25
27
29
32
34
36
38
41
43
45
47
49
52
54
56
58
61
63
65
67
69
72
74
76
78
81
83
85
87
90
92
94
96
98
101
103
105
107
110
112
114
116
118

Temp Refractrio

Temp Material

Temp emisin

Figura 165. Grfica de las temperaturas de control del proceso

305

Anlisis de Aplicaciones

Variables V86, V87 y V88

%
100
90
80
70
60
50

40
30
20
10

1
3
5
7
9
11
14
16
18
20
22
25
27
29
31
33
35
38
40
42
44
46
49
51
53
55
57
59
62
64
66
68
70
73
75
77
79
81
83
86
88
90
92
94
97
99
101
103
105
107
110
112
114
116
118

Fre Var Material

Apertura Gas

Fre Var Ventilador

Figura 166. Grfica de las consignas de control del proceso


Tm/h

Variable V03

9
8
7

6
5
4
3
2
1

1
3
5
7
9
11
14
16
18
20
22
25
27
29
31
33
35
38
40
42
44
46
49
51
53
55
57
59
62
64
66
68
70
73
75
77
79
81
83
86
88
90
92
94
97
99
101
103
105
107
110
112
114
116
118

Caudal Material

Figura 167. Grfica de la variable V03 (caudal de material)


Como siguiente paso se automatizar el proceso mediante los controladores PID
descritos en los captulos precedentes. Se estima segn los tests realizados y las
simulaciones, una mejor gestin energtica de la calcinacin. Se aumentar el caudal
de emisiones un 10%, conservando los valores actuales de consumo de gas natural, y
por ende, el caudal de material de entrada se aumentar dicho 10%.
La nueva variable generada V88 se evala en la Figura 168. La Figura 169 muestra el
nuevo caudal de material obtenido V03. Con ello, el nuevo consumo especfico de gas
natural (Figura 170) significar una nueva reduccin del 9% del consumo de gas
natural, el cul acumulado al primer ahorro, sumar un 26% de reduccin de consumo
respecto al proceso original.

306

Anlisis de Aplicaciones

V88'
P rueba de normalidad de A nderson-Darling

82,4

83,2

84,0

84,8

85,6

86,4

87,2

88,0

A -cuadrado
V alor P <

2851,30
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

87,806
1,015
1,029
-5,0362
23,3796
7718

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

82,500
88,000
88,000
88,000
88,000

Interv alo de confianza de 95% para la media


87,783

87,828

Interv alo de confianza de 95% para la mediana


88,000

88,000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

0,999

1,031

Media

Mediana
87,80

87,85

87,90

87,95

88,00

Figura 168. Estadstica de la nueva variable relativa a la frecuencia del ventilador de


extraccin de gases

V03'
P rueba de normalidad de A nderson-Darling

0,0

1,2

2,4

3,6

4,8

6,0

7,2

8,4

A -cuadrado
V alor P <

1539,66
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

7,1084
1,4925
2,2276
-3,9192
15,4894
7718

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,0000
7,0400
7,7000
7,7000
8,8000

Interv alo de confianza de 95% para la media


7,0751

7,1417

Interv alo de confianza de 95% para la mediana


7,7000

7,7000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

1,4693

1,5164

Media

Mediana
7,0

7,2

7,4

7,6

Figura 169. Estadstica de la nueva variable relativa al caudal de material

307

Anlisis de Aplicaciones

V17/V03'
P rueba de normalidad de A nderson-Darling

14

28

42

56

70

84

98

112

A -cuadrado
V alor P <

1180,16
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

12,927
2,342
5,483
16,164
553,579
7446

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

10,477
11,974
12,273
13,097
114,545

Interv alo de confianza de 95% para la media


12,874

12,981

Interv alo de confianza de 95% para la mediana


12,273

12,273

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

2,305

2,380

Media

Mediana
12,2

12,4

12,6

12,8

13,0

Figura 170. Nuevo consumo especfico de gas natural

308

Anlisis de Aplicaciones
4.2

ANLISIS DEL SISTEMA DE CONTROL MEDIANTE RB

Como se ha visto en la introduccin de este captulo, la aportacin de herramientas de


supervisin al operador de planta ser un elemento fundamental para evitar
desviaciones y anomalas en el proceso. En este caso se aportar una herramienta
que analizar el riesgo de que se produzca el efecto windup en el controlador PID.

4.2.1 El efecto windup


Todo controlador o elemento accionador real presenta una regin de saturacin, que
sumada al efecto de la parte integradora del PID, puede producir un efecto llamado
windup o reset-windup. El efecto windup puede causar fuertes sobrepicos el la
respuesta del sistema y puede llegar a saturar el controlador.

Figura 171. Esquema de una implantacin anti-windup

ste efecto se puede producir ante cambios importantes de la seal de referencia o


perturbaciones de gran amplitud. En sta aplicacin se ha desarrollado un controlador

309

Anlisis de Aplicaciones
PI. Suponiendo que se produce una respuesta de error muy importante, es decir,
producida por una excitacin o un valor importante, el controlador PI se satura
inmediatamente debido a la funcin proporcional P. La accin integral I no dar una
respuesta inmediata, pero paulatinamente va integrando el error. Esta integracin
puede provocar, que debido a su amplitud y duracin, el valor integrado adquiera una
magnitud muy grande que impida que el controlador entre en saturacin, aunque el
error en estos momentos haya vuelto a un rango normal de funcionamiento. Esto, ala
vez, puede producir fuertes sobrepicos en la respuesta del sistema.
El efecto es ms comn en sistemas con retardo puro, ya que en el tiempo en que se
aplica la excitacin y el momento en que el proceso reacciona, la accin integral puede
alcanzar un valor importante.
Existen varias estrategias para evitar dicho efecto. Las ms comunes son:
-

Limitar el termino integral en un rango determinado


Cortar la accin integral durante su saturacin

La Figura 171 muestra un esquema de aplicacin anti-windup.


El controlador programado con el bloque COMP_PID tiene mecanismos anti-windup.
Estos mecanismos pueden corregir la componente I mantenindola dentro de unos
mrgenes parametrizables de control, restando la accin P de la accin total
resultante. As, el valor de la accin integral nunca llega al 100 de la accin total de
salida, la cual se va reduciendo conforme se reduce el error de medida. Tambin es
posible limitar el valor de la accin integral por debajo de los lmites de los valores de
salida.
Aun as, puede darse el caso (proceso de arranque muy largo, variaciones muy
grandes de la carga, etc.) en que la accin integral llegue a saturar la accin de salida.
En estos casos, es posible, por medios externos, vigilar la evolucin de la salida de
control respecto del error para as poder determinar este punto y resetear la accin.
Respecto al proceso de arranque, que es extremadamente largo por la importante
inercia trmica del conjunto del horno ms la cantidad de material que supuestamente
se acumula en esta fase inicial, posiblemente, despus de analizar ms
adecuadamente el proceso se vea ms conveniente el establecimiento de una rampa
de calentamiento y carga de material automtico, a fin de llevar el conjunto a rgimen
en el periodo de tiempo ms corto posible y sin sobrepasar los lmites de seguridad
establecidos. Se pueden utilizar mtodos externos para controlar la evolucin y
finalizacin de esta fase de arranque. En este captulo, se implantar una herramienta
adicional de control de este efecto indeseado.

4.2.2 Variables implicadas


Como se ha visto en el punto anterior, una vez implantados los nuevos elementos de
actuacin y de monitorizacin en los diferentes niveles del sistema, se obtiene un
nuevo conjunto de variables crticas para el proceso, que son las que se usarn para
desarrollar las RB de decisin para monitorizar el efecto windup. La lista definitiva de
variables se encuentra en la Tabla 92.

310

Anlisis de Aplicaciones
Proceso

Parmetros de control

Monitorizacin Caudal Material Qm

Actuacin

Cdigo Unidades

Tipo

V03

Tm/h

Continua

Caudal Gas Natural Qg

V17

M /h

Continua

Temperatura Material
Tm

V13

Continua

Temperatura
Refractario Tr

V09

Continua

Temperatura Emisiones
Te

V85

Continua

Emisiones Qe

V31

Nm3/h

Continua

Humedad Relativa Hr

V79

Discreta

Frecuencia Variador
Material Cm

V86

Hz

Continua

Apertura Vlvula Gas


Cg

V87

Continua

Frecuencia Variador
Ventilador Ce

V88

Hz

Continua

Tabla 92. Variables de proceso para la evaluacin del efecto windup

4.2.3 Programacin de una RB de evaluacin de windup


La red bayesiana programada en la seccin 3.8 es una red de probabilidad o de
creencia. Evala las probabilidades de cada nodo y las condiciona con cada nodo
padre e hijo. Para la aplicacin de la evaluacin del efecto windup en el controlador
PID se usar otro tipo de RB, las redes de decisin. En este tipo de redes se aplicarn
los nodos de utilidad, donde estar el ajuste o la bondad de los valores a evaluar y los
nodos de decisin, que darn la respuesta a la pregunta planteada. Estos nodos no
representan valores naturales, sino los objetivos, deseos o agendas. Este tipo de
nodos contrasta con los nodos naturales que son los usados en la seccin 3.8, que
tenia que ver con la descripcin de estados naturales o reales de cada variable.
4.2.3.1 Aplicacin de la RB de decisin
Para aplicar nodos de utilidad se asignar a cada estado posible dependiendo de sus
padres, una puntuacin, en la unidad que se quiera, que indicar como se valora cada
uno de dichos estados y qu importancia se le d. Este tipo de nodos combinarn, por
tanto, un componente cientfico (que probabilidades hay de que pase algo) y un
componente cualitativo (como ese algo afectar al proceso). Existen varias tcnicas y
algoritmos para cuantificar los valores subjetivos que precisan los nodos de decisin.
Se usar el algoritmo que proporciona el software Netica. Este programa permite la
programacin de la RB mediante un API que permite conectarlo con diversos
sistemas. Se usar AEmes como interface de comunicacin.

311

Anlisis de Aplicaciones
En la Figura 172 se puede ver la RB de decisin propuesta.

V86-Fre Var Material

V87-Apertura Gas
V88-Fre Var Ventilador

V79-Hum Rel

V03-Caudal Material

V17-Caudal de gas

V31-Caudal emisiones

V09-Temp Refractrio

V13-Temp Material

V85-Temp emisin

Posible Windup

Proceso correcto? (%)

OK

Figura 172. Red bayesiana de decisin para el efecto windup

4.2.3.2 Programacin y resultados de la RB de decisin


A partir de las variables crticas de proceso, aadiendo la humedad relativa y todos los
datos obtenidos experimentalmente, se compilar la red bayesiana de la Figura 173.
Dicha red permitir conocer el porcentaje de riesgo de que se produzca el efecto
windup en los controladores instalados, lo que sin duda, ser una herramienta muy til
para el operador local.

312

Anlisis de Aplicaciones
V86-Fre Var Material
0 to 14
14 to 20
20 to 25
25
25 to 27
27 to 28
28
28 to 30
30
30 to 33

2.74
1.06
3.39
34.7
6.07
2.46
4.16
36.3
3.46
5.70

26.6 4.2
V03-Caudal Material

V79-Hum Rel
Alto
Medio
Bajo

42.6
51.7
5.73

0 to 5
5 to 6
6
6 to 6.5
6.5 to 6.7
6.7 to 6.8
6.8 to 7
7
7 to 7.4
7.4 to 8

5.03
4.55
9.39
7.53
6.37
5.36
6.53
46.6
4.43
4.21

6.55 1.1

V09-Temp Refractrio
30 to 650
6.71
650 to 699
9.73
699 to 705
10.6
705 to 716
12.1
716 to 726
11.1
726 to 732
8.98
732 to 737
11.2
737 to 741
9.64
741 to 757
9.94
757 to 793
9.94
700 110

V87-Apertura Gas
0 to 41
41
41 to 43
43
43 to 45
45
45 to 47
47 to 49
49
49 to 51

6.77
33.1
3.90
18.4
6.13
6.75
4.30
6.41
5.53
8.69

42.4 7.3
V17-Caudal de gas
0
0 to 92.2
92.2
92.2 to 94.6
94.6 to 96.8
96.8
96.8 to 99
99
99 to 103
103 to 106

1.70
0.40
25.5
22.6
1.84
19.8
0.53
10.5
15.9
1.33

94 13

V13-Temp Material
29 to 541
7.99
541 to 548
10.6
548 to 552
10.3
552 to 554
9.17
554 to 555.9
8.84
555.9 to 558
8.56
558 to 560.9
11.3
560.9 to 565
11.4
565 to 569
11.3
569 to 608
10.4
538 86

V88-Fre Var Ventilador


0
75
78
79
80
100

0.19
2.07
.015
.015
97.7
.015
79.7 3.6

V31-Caudal emisiones
0
0 to 15470
15470
15470 to 17100
17100 to 17680
17680
17680 to 17900
17900 to 18785
18785
18785 to 22100

0.56
.025
0.12
2.06
.035
78.1
.040
.040
0.70
18.3

18100 1800

V85-Temp emisin
27 to 91
91 to 92.7
92.7 to 94
94 to 95.3
95.3 to 96.7
96.7 to 98
98 to 99.3
99.3 to 100.6
100.6 to 102.1
102.1 to 109

6.18
7.22
7.61
9.72
11.1
10.6
12.7
11.1
11.6
12.1

95.8 11

Posible Windup
NO 90.3
SI
9.68

Proceso correcto? (%)


OK
91.77...
x
0

OK

Figura 173. Compilacin de la Red bayesiana para evaluar el efecto windup

313

5 CONCLUSIONES Y FUTUROS DESARROLLOS


5.1

CONCLUSIONES

Se ha expuesto en esta tesis la importancia del sector del yeso para la construccin en
Espaa respecto al resto del mundo. Esta relevancia justificara que hubiera grandes
avances en dicho sector. Lamentablemente se ha visto en los captulos anteriores que
esto no es exactamente as. Se ha tratado y analizado bastamente el yeso como
mineral y como formulacin desde hace ya bastantes aos, pero no as sus procesos.
Dichos procesos se han definido siempre como simples y prcticamente las formas de
trabajar de los ltimos cuarenta aos han sido similares en muchas plantas de
tratamiento de yeso. La molienda no ha evolucionado, la extraccin del mineral y el
sistema de voladuras muy poco y el ensacado contina siendo manual o poco
automatizado en la mayora de las plantas espaolas. En el caso del proceso de
calcinacin, que ocupa, an contina siendo muy plural y existen un gran tipo de
hornos, con muy variadas caractersticas, aunque se ha ido imponiendo el horno
rotativo de calcinacin de coccin directa. Las formulaciones si se han adaptado a los
nuevos productos de aditivacin, provenientes de las grandes empresas qumicas
asiticas o alemanas. Una de las razones de la poca movilidad en este tipo de
empresas se atribuye a que el yeso en Espaa es un bien abundante, tal como se ha
visto, y el precio del mismo es relativamente bajo. Esto puede producir un decaimiento
en la especulacin del material de construccin y una menor demanda de
productividad. Uno de los cambios que se produce en los ltimos aos y que
redundar en un aumento del inters por la mejora ser el gran incremento sufrido por
las energas usadas en el proceso, como son gasoil, gas y electricidad. En los ltimos
aos se han creado equipos especializados en el ahorro energtico en la mayora de
centros de produccin de este pas.
Si en el campo de los equipos la evolucin ha sido escasa, en el campo de los
procesos si se han aportado algunas tecnologas. Se han automatizado parte de la
planta de produccin y se han implantado tecnologas provenientes de otros sectores
ms avanzados como son el cementero o el de tratamiento de minerales de mayor
valor aadido.
sta tesis realiza un avance en este sentido. Se reformula todo el proceso de
fabricacin y se adaptan medios eficientes para el control, o mejor dicho auto-control
de los elementos para la fabricacin de anhidrita. Se han analizado las mejores
prcticas e implantado estas mejoras en una planta real, comprobando la mejora en
todo el proceso de calcinacin.
Como se ha visto, la automatizacin del proceso de fabricacin de anhidrita ha
permitido tener datos fidedignos del proceso en tiempo real y en muy corto espacio de
tiempo, lo cual ha sido imprescindible para su posterior evaluacin, ordenamiento y
correlacin estadstica. Posteriormente estas correlaciones han permitido realizar una
regulacin eficaz del elemento horno: analizar sus retardos, sus parmetros de
proceso, sus funciones de transferencia. Se ha comprobado la mejora a partir de esta
implantacin respecto a la situacin inicial de forma clara. As como los estudios
referentes al proceso de combustin y sus balances de masa y energa, han permitido
obtener un ahorro considerable en el consumo energtico gracias a implantaciones de
variadores de frecuencia y autocontroles.

315

Conclusiones y Futuros Desarrollos


Si se ha descrito en el prrafo anterior la poca evolucin en maquinaria y la regular
evolucin en procesos, la inversin de la empresa de fabricacin de yeso en polvo en
Inteligencia Artificial y en Sistemas Expertos es prcticamente nula. Se han hecho
algunos estudios pero prcticamente no hay ninguna implantacin de algn sistema
simple de este tipo en la calcinacin. Se ha demostrado, a la vez, que la implantacin
de estos Sistemas Expertos, en concreto las Redes Bayesianas, que es el sistema que
se ha implantado, mejora el autocontrol de la calcinacin. El sistema implantado
funciona en base a un profundo conocimiento de la base del proceso, sus variables y
su entorno, mediante una buena automatizacin y mediante una regulacin eficaz del
comportamiento de los equipos.
Estas redes de probabilidad implantadas proporcionan al operador de la maquinaria y
al ingeniero de planta una herramienta muy importante para el conocimiento del
proceso y para el seguimiento y control del mismo, as como para la toma de
decisiones al respecto.
Por otra parte, esta tesis trata sobre un proceso industrial aplicado, que como todo
proceso de produccin, tiene un sentido multidisciplinar e intervienen campos como
son la mecnica (estudio del horno), la informtica de sistemas (MES), la automtica y
regulacin (PIDs), la ingeniera de procesos, la ingeniera qumica de procesos (flujos
de masa y de energa de horno y quemador), la informtica (programacin PLC y
redes) y la estadstica y los mtodos numricos (estudio de variables y RB).

5.2

CONTRIBUCIONES DE LA TESIS

Se pueden resumir los aspectos novedosos de esta tesis como los que siguen:
-

Aportar una revisin actualizada de los proceso de fabricacin de yeso en


polvo para la industria de la construccin en general y del proceso de
calcinacin de anhidrita en particular. Esta parte incluye la recopilacin de las
mejores prcticas y a eleccin de la propuesta por parte de esta tesis. Se
redefine el proceso, sus elementos de control y los elementos auxiliares del
equipo principal, que es el horno rotativo de calcinacin de coccin directa.

Automatizar de forma eficiente el proceso de calcinacin de anhidrita dentro de


un entorno industrial a diferentes niveles de control, ERP, MES, PLC, SCADA y
software de control industrial. Con esta automatizacin se mejora la eficiencia
del funcionamiento de los equipos, la trazabilidad de las fabricaciones, se
minimiza la tarea humana y se produce un reporte de datos de calidad de
forma automtica, as como el anlisis de los mismos. Todas las aplicaciones
se integran en un mismo sistema.

Realizar una regulacin eficiente mediante controladores PID de los


parmetros crticos de la calcinacin de la anhidrita. Se consigue una mejora
de los ciclos de calcinacin y una mayor estabilidad del proceso y de sus
variables.

Crear, programar e implantar un modelo del sistema de calcinacin mediante


autodiagnstico. Se usan las redes bayesianas para tal fin. Se crea una red de
diagnostico de todas las variables directas e indirectas, de proceso, de calidad,
externas, meteorolgicas, etc. con la que el sistema reporta automticamente
las probabilidades de fallo o de descontrol de cada variable en las condiciones

316

Conclusiones y Futuros Desarrollos


actuales de trabajo. Este modelo se autoalimenta creando un bucle de
autoaprendizaje para cada ciclo de trabajo

5.3

FUTUROS DESARROLLOS

La tesis actual es muy exhaustiva, ya que estudia desde el origen de los conceptos a
estudiar hasta su aplicacin real, pasando por todo el anlisis individual de cada
apartado concreto. Aun as, y en el mbito que atae a sta tesis, se estima que
aparecen varias lneas de investigacin muy interesantes. Se pueden enumerarlas
como:
-

Aplicar la tecnologa sugerida a toda una planta de fabricacin de yeso, con la


complejidad que ello representa, para cerrar el crculo de toda la fabricacin
(entrada mineral, calcinacin, almacenaje, mezclado, ensacado y paletizado y
estocado).

Aplicar los conceptos y tecnologas aportadas por esta tesis a diferentes tipos
de hornos para calcinacin de anhidrita, con el objetivo de realizar
comparaciones entre si. Se ha visto en el estado del arte de este trabajo que
existen varios tipos de hornos de calcinacin de anhidrita, siendo a priori, el
ms eficiente el tipo rotativo directo. Se podra aplicar toda la metodologa a
otro tipo de maquinaria de calcinacin.

Realizar el estudio pertinente para automatizar el horno de calcinacin


mediante redes bayesianas de forma ntegra. Se ha visto en los anlisis que en
el momento actual (Deventer, 2003) no se ha conseguido realizar los
algoritmos necesarios para hacer trabajar las redes bayesianas como
dinmicas para su uso en regulacin automtica. Se estima un campo muy
interesante para recorrer en los prximos aos, ya que las RB tienen un gran
potencial debido a sus caractersticas ya detalladas en los captulos
precedentes.

Aplicar lgica difusa o heurstica a la regulacin del control PID de un horno de


calcinacin de anhidrita combinndola con el uso de RB para su supervisin.
Puede ser un campo interesante de investigacin. Se pueden hacer avances
en los estudios actuales al respecto (Lozano, 2002). Algunos investigadores
han usado sistemas basados en Redes Neuronales Artificiales para estudios
en hornos de cemento (Yang y Cao, 2009) o nquel (Muoz, 1998).

317

REFERENCIAS
AENOR (1983). Placas de escayola para techos desmontables de entramado visto.
Condiciones generales y especificaciones. UNE 102021 y Placas de escayola para
techos de entramado oculto con juntas aparentes. Condiciones generales y
especificaciones. UNE 102022. Madrid
AENOR (1984). Yesos y escayolas de construccin. Mtodos de anlisis qumico.
UNE 102032. Madrid
AENOR (1985). Yesos y escayolas de construccin. Mtodo de anlisis de fases. UNE
102037. Madrid
AENOR (1986). Aljez o piedra de yeso. Clasificacin. Caractersticas. UNE 102.001.
Madrid
AENOR (1997). Quemadores automticos de aire forzado que utilizan combustibles
gaseosos. UNE-EN 676. Madrid
AENOR (1999). Yesos y escayolas de construccin. Mtodos de ensayo fsicos y
mecnicos. UNE 102031. Madrid
AENOR (2002). Clasificacin en funcin del comportamiento frente al fuego de los
productos de construccin y elementos para la edificacin. Parte 1: Clasificacin a
partir de datos obtenidos en ensayos de reaccin al fuego. UNE-EN 13501-1. Madrid
AENOR (2006). Yesos de construccin y conglomerantes a base de yeso para la
construccin. Parte 1: Definiciones y especificaciones. UNE-EN 13279-1 y Parte 2:
Mtodos de ensayo. UNE-EN 13279-2. Madrid.
AENOR (2009). Yesos de construccin y conglomerantes a base de yeso para la
construccin. Parte 1: Definiciones y especificaciones. UNE-EN 13279-1. Madrid.
AENOR (2010). Placas de yeso laminado. Definiciones, especificaciones y mtodos de
ensayo. UNE-EN 520+A1. Madrid
AENOR (2012). Paneles de yeso. Definiciones, especificaciones y mtodos de ensayo.
UNE-EN 12859. Madrid
Alonso Zarza, A. (2010). Las rocas evaporticas. Reduca (Geologa). Serie Petrologa
Sedimentaria, 117-124.
Andersen, P. y Petersen, N. C. (1993): A procedure for ranking efficient units in data
envelopment analysis, Management Science, vol. 39, n 10, pp. 1261-1264.
Arredondo, F. (1980). Estudio de materiales. Las rocas en la construccin. Vol. II. El
yeso. Madrid: Editorial Consejo Superior de Investigaciones Cientficas, CSIC. Instituto
Eduardo Torroja de la construccin y del cemento.
Arzabe, J. (Noviembre-Diciembre de 1997). Aplicaciones del yeso: plantas piloto en
Bolivia. Boletn de la Sociedad Espaola de Cermica y Vidrio, 36(6), 599-602.

319

Referencias
ATEDY SPP. (2010). ATEDY SPP. Recuperado el 15 de Mayo de 2012, de ATEDY
SPP: http://www.atedyspp.es/
ATEDY. (2001). Manual de ejecucin de tabiques con paneles de yeso o escayola.
Madrid: Asociacin Tcnica y Empresarial del Yeso.
ATEDY. (2011). Sistemas constructivos con placas de yeso laminado. Madrid:
Asociacin Tcnica y Empresarial del Yeso.
Barnard, J., & Bradley, J. (1985). Flame and combustion. Chapman and Hall.
Bellman R., Giertz M. (1973). On the analytic formalism of the theory of fuzzy sets.
Information Sciences 5: 149156.
Camdali, U., Erisen, A., & Celen, F. (2004). Energy and exergy analyses in a rotary
burner with pre-calcinations in cement production. Energy Conversion and
Management 45.
Castillo, E., Gutierrez, JM and Hadi, A. (1997). Expert Systems and Probabilistic
Network Models, Springer
Catalhoyuk Research Project. (25 de Abril de 2012). Catalhoyuk. Recuperado el 4 de
Mayo de 2012, de http://www.flickr.com/photos/catalhoyuk/6042191317/in/photostream
Cerulla, J. (Noviembre-Diciembre de 1997). Extraccin, explotacin, minera y proceso
de tratamiento del yeso. Boletn de la Sociedad Espaola de Cermica y Vidrio, 36(6),
571-577.
Chang, L., Howie, R., & Zussman, J. (1996). Rock forming minerals. Volume 5B: Non
silicates. Sulphates, Carbonates, Phosphates and Halites. Harlow: Longman.
Charniak, E., (1991). Bayesian Networks without tears. AI Magazine, USA, pp.50-63.
Cheeseman, P. and J. Stutz (1995). Bayesian classification (AutoClass): Theory and
results. In U. Fayyad, G. Piatesky-Shapiro, P. Smyth, and R. Uthurusamy (Eds.),
Advances in Knowledge Discovery and Data Mining. Menlo Park, California: AAAI
Press. Review of R. T. Cox, R.T. (1972). Probability, Frequency and Reasonable
Expectation and The Algebra of Probable Inference, in The Journal of Symbolic Logic
37, pp. 398f.
Chickering, D.M. (1995). Learning Bayesian networks is NP-complete. In D. Fisher & A.
Lenz. Learning from Data. Springer-Verlag.
Chow, C. and Liu, C. (1968). Approximating Discrete Probability Distributions with
Dependence Trees. IEEE Transactions on Information Theory, vol. 14, 462- 467.
Ciurana, J.; Arias, G.; Ozel, T. (2009). Neural network modeling the influence of
process parameters on feature geometry and surface Quality on pulsed laser micro
machining of hardened steel H13. Materials and Manufacturing Processes , 24, p358368
Cooper, G. (1990). Computational complexity of probabilistic inference using Bayesian
belief networks (research note). Artificial Intelligence, 42, 393- 405.
Cooper, G.F., Herskovits, E. (1992). A Bayesian Method for the Induction of
Probabilistic Networks from Data. In Machine Learning 9, pages 54-62, Kluwer.

320

Referencias

Cowell, R., Dawid, A., Lauritzen, S., Spiegelhalter, D. (1990). Probabilistic Networks
and Expert Systems. Springer, New York, NY.
Cruz-Ramirez, N., Building Bayesian Networks From Data: a Constraint Based
Approach. Ph. D Thesis. Department of Psychology. The University of Sheffield.
(2001).
DAmbrosio, B. (1999) Local expression languages for probabilistic dependence In
Proceedings of Seventh Conference on Uncertainty in Artificial Intelligence) Los
Angeles CA pages 95- 102 Morgan Kaufmann
Dana, J., & Hurlbut, C. (1959). Manual de mineraloga. Barcelona-Buenos AiresMxico: Editorial Revert.
Davey, N. (1961). A History of Building Materials. London: Phoenix.
Dawid, A. P. (1992). Application of general propagation algorithm for probabilistic
expert systems. Statistics and Computing, 2, 25-36.
De Finetti, B. (1970). Theory of Probability. Wiley and Sons. New York
Del Ro, M. (2002). Manual de ejecucin de revestimientos interiores con yeso. Madrid:
Asociacin Tcnica y Empresarial del Yeso, ATEDY.
Departamento de Fsica de la Materia Condensada, Cristalografa y Mineraloga.
Universidad de Valladolid. (26 de 10 de 2011). Servidor web de minerales.
Recuperado el 28 de 03 de 2012, de:
http://greco.fmc.cie.uva.es/explorador_mine.asp?cm=1434&nn=1&f=f
Deventer. R., Denzler, J., and Niemann, H. (2003). Bayesian controller versus
traditional controllers. University Erlangen-Nrnberg, Chair for Pattern recognition,
Erlangen
Dez, J. Sistema Experto Bayesiano para Ecocardiografa. (1994)
Departamento de Informtica y Automtica de la UNED. Madrid.

Tesis doctoral.

Dez, M. (1997). Yeso. Normalizacin bsica y directiva de productos de construccin.


Boletn de la Sociedad Espaola de Cermica y Vidrio, 36(6), 585-589.
Dorado, F., Nez, A., Camacho, EF. y Bordons, C. (2000). Modelado y Control de un
horno de Yeso Rotativo y Continuo. Departamento de Ingeniera de Sistemas y
Automtica. Escuela Superior de Ingenieros. Sevilla.
Dorf, R. and Bishop, R. (1998). Modern Control Systems. Addison-Wesley
Dormido, S. y Prez, A. (1995). Fundamentos de Control Predictivo Basado en
Modelos (CPBM). Jornadas de Automtica. Universidad de Valladolid
Duda, R. O. & P. E. Hart. (1973). Pattern Classification and Scene Analysis. New York:
John Wiley & Sons.
Espaa (1979). Real Decreto 2429/1979, de 6 de julio. Norma bsica de edificacin
NBE-CT-79, sobre condiciones trmicas en los edificios. Boletn Oficial del Estado, 22
de octubre de 1979, nm. 253, p. 24524-24550.

321

Referencias

Espaa (1986). Real Decreto 1302/1986, de 28 de junio. Evaluacin de impacto


ambiental. Boletn Oficial del Estado, 30 de junio de 1986, nm. 155, p. 23733-23735.
Espaa (1988). Real Decreto 1131/1988, de 30 de septiembre. Aprobacin del
Reglamento para la ejecucin del Real Decreto Legislativo 1302/1986, de 28 de junio,
de Evaluacin de Impacto Ambiental. Boletn Oficial del Estado, 5 de octubre de 1988,
nm. 239, p. 28911-28916.
Espaa (2005). Real Decreto 312/2005, de 18 de marzo. Productos de construccin y
de los elementos constructivos en funcin de sus propiedades de reaccin y de
resistencia frente al fuego. Boletn Oficial del Estado, 2 de abril de 2005, nm. 79, p.
11317-11318.
Espaa (2006). Real Decreto 314/2006, de 17 de marzo. Cdigo Tcnico de la
Edificacin. Boletn Oficial del Estado, 28 de marzo de 2006, nm. 74, p. 11816-11831.
Espaa (2006). Real Decreto 919/2006, de 28 de julio. Reglamento tcnico de
distribucin y utilizacin de combustibles gaseosos y sus instrucciones tcnicas
complementarias ICG 01 a 11. Boletn Oficial del Estado, 4 de septiembre de 2006,
nm. 211, p. 31576 -31632.
Espaa (2007). Real Decreto 1371/2007, de 19 de octubre. Documento bsico DBHR Proteccin frente al ruido del Cdigo Tcnico de la Edificacin Boletn Oficial del
Estado, 23 de octubre de 2007, nm. 254, p. 42992 a 43045.
Facundo, G., Benavides, F.,RDRD Rostagnol, C. (2006). Proyecto FIbRA. Instituto de
Computacin Facultad de Ingeniera - Universidad de la Repblica Montevideo
Uruguay
Feigenbaum E.A., Buchanan B.G. (1993). DENDRAL and Meta-DENDRAL: roots of
knowledge systems and expert systems applications. Artificial Intelligence 59: 233
240.
Feigenbaum, A., Edwared (1982). Knowledge Engineering in the 1980's. Dept. of
Computer Science, Stanford University, Stanford, CA
Feigenbaum, E.A. and Buchanan, B.G., (1978). DENDRAL and Meta-DENDRAL: Their
Applications Dimension, Artificial Intelligence, 11, pp. 5-24.
Felgaer, P.E. (2005). Optimizacin de redes bayesianas basado en tcnicas de
aprendizaje por induccin. Tesis de grado en Ingeniera en Informtica. s.l.:
Laboratorio de Sistemas Inteligentes. Facultad de ingeniera universidad de Buenos
Aires
Fernndez, S. (2002). Redes Bayesianas Temporales: Aplicaciones Mdicas e
Industriales. Tesis Doctoral. Departamento de Inteligencia Artificial. Facultad de
Ciencias Universidad Nacional de Educacin a Distancia. Madrid
Friedman, J. (1996). On bias variance of loss and the curse of dimensionality. Data
Mining and Knowledge Discovery
Friedman, N. and Goldszmidt, M. (1996). Building classifiers using Bayesian networks
In Proceedings. AAAI 9. Thirteenth National Conference on Artificial Intelligence)
Portland OR pages 277-284. AAAI Press Menlo Park CA

322

Referencias

Friedman, N. and Goldszmidt, M. (1996). Discretizing continuous attributes while


learning bayesian networks. 13th International Conference on Machine Learning
(ICML), pages 157-165.
Furroy, F. (2003). Ajust Automtic dun Regulador PID Mitjanant Raonament Basat en
Casos. Proyecto fin de carrera. ETIEI. EPS. Universitat de Girona.
Grate, I. (1993). Artes de la cal. Madrid: Ministerio de cultura.
Garate, I. (1999). Artes de los yesos. Yeseras y estucos. Madrid: Munilla-Lera.
Gasset, M. (Noviembre-Diciembre de 1997). Mercado de la placa de yeso laminado.
Boletn de la Sociedad Espaola de Cermica y Vidrio, 36(6), 613-618.
Geman, S and Geman, D. (1984). Stochastic relaxation Gibbs distributions and the
Bayesian restoration of images. IEEE. Transactions on Pattern Analysis and Machine
Intelligence. 672-742
Gerhartz, W., & Schulz, G. (1985-1996). Ullmann's Encyclopedia of Industrial
Chemistry. Wiley-VCH.
Gom, F. (1979). El cemento portland y otros aglomerantes. Barcelona: Editores
tcnicos asociados, SA.
Gomis, V. (2007). El yeso como materia prima. Recuperado el 25 de Abril de 2012, de
http://iq.ua.es/Yeso
Gonzlez, R., Espinosa, D., Fernndez, M.A. y Romero, E. (2004). Fundamentos de
Regulacin Automtica. Universidad de Cdiz.
Gutirrez, J.C. (2004). Probabilidad Condicional Instituto Politcnico Nacional. IPNUPIICSA. Mxico
Hawthorne, F. & Ferguson, R. (1975). Anhydrous sulphates. II. Refinement of the
crystal structure of anhydrite. The Canadian Mineralogist (13), 289-292.
Heckerman, D. (1996). A tutorial on learning with Bayesian networks. Tech. Rep. No.
MSR-TR-95-06. Redmond, WA: Microsoft Research.
Heckerman, D., Geiger, D. and Chickering, D. (1995). Learning Bayesian Networks:
The Combination of Knowledge and Statistical Data. Machine Learning, 20, 197-243.
Herskovits, E.H., Copper, G.F. (1991). Algorithms for Bayesian belief-networks per
computation. Meth. Inf. Med., 30:81-9.
Hommersom, A., Lucas, P., (2010) Using bayesian networks in an industrial setting:
Making printing systems adaptive. In: Proceedings of the 19th European Conference
on Artificial Intelligence. Lisbon, Portugal.
Howard, R. A. and Matheson, J. E. (1983). Influence diagrams. In R. A. Howard & J. E.
Matheson (Eds.). Readings on the principles and applications of decision theory, 719762. Strategic Decision Group.

323

Referencias
Howard, R. and Matheson, J. Editors (1983). The Principles and Applications
Decision Analysis Strategic. Decisions Group. Menlo Park, CA.

of

Hugon, A., & Serre, M. (1982). Enciclopedia de la construccin - Tcnicas de


construccin II. Barcelona: Editores tcnicos asociados, SA.
Ishikawa, K. (1968). Guide to Quality Control. Gemba No QC Shuho by JUSE Press,
Ltd., Tokyo
Jackson, P. (1999). Introduction to Expert Systems. Addison-Wesley, Reading,
Massachusetts, 399
Jensen, M.E., Burman, R.D. and Allen, R.G.. (1990). Evapotranspiration and Irrigation
Water Requirements. ASCE Manuals and Reports on Engineering Practice No. 70,
Am. Soc. Civil Engr., New York, NY. 332 pp.
Jimnez, JL. (2003). BayesN: Un Algoritmo para Aprender Redes Bayesianas
Clasificadoras a partir de datos. Tesis que para obtener el grado de Maestro en
Inteligencia Artificial. Facultad de Fsica e Inteligencia Artificial. Universidad
Veracruzana
Kass, R., Tierney, L. and Kadane, J. (1988). Asymptotics in Bayesian computation In
Bernardo, J., DeGroot, M., Lindley, D. and Smith, A. editors Bayesian Statistics 3,
pages 261-278 Oxford University Press.
Knauf. (1993). Sechoir a carreaux de pltre a condenseur. Ciments, btons, pltres,
chaux (800).
Korf, R. (1993). Linear-space best-first search. Artificial Intelligence 62:4178.
Krishnamoorthy, V. and Shan, MC. (2000). Virtual Transaction Model to Support
Workflow Applications", SAC (2)'00, p. 876-881
Kuehl, R.O. (2001), Diseo de Experimentos, Principios Estadsticos del Anlisis y
Diseo de Investigacin, Mxico, Ed. Thomson Learning.
Lauritzen, S. & Spiegelhalter, D. J. (1988). Local computations with probabilities on
graphical structures and their application to expert systems. Journal of the Royal
Statistical Society series B, 50(2):157-224.
Lauritzen, S.L. (2002). Lectures on Contingency Tables. Electronic Edition.
Leonard, T. and Hsu, J. (1999). Bayesian Methods, New York: Cambridge University
Press
Lpez, J. (2012). Cmo Construir y Validar Redes Bayesianas con Netica. Revista
Electrnica de Metodologa Aplicada Vol. 17 n 1, pp. 1-171. Universidad de Almera
Lpez, J. (2012). Cmo Construir y Validar Redes Bayesianas con Netica. Revista
Electrnica de Metodologa Aplicada Vol. 17 n 1, pp. 1-17
Lozano, JL., Lpez, MJ., Terrn, J. y Mesa, F. (2002). Sistema de Ayuda al Operador
en Tiempo Real Basado en Redes Bayesianas, Lgica Borrosa y G2. Dpto. de
Ingeniera de Sistemas y Automtica. Universidad de Cdiz.
Lynch, A. (1977). Mineral crushing and grinding circuits. Amsterdam: Elsevier Scientific
Publishing Company.

324

Referencias

Mamdani E.H. (1976). Advances in the linguistic synthesis of fuzzy controller.


International Journal of Man-Machine Studies 8(6): 669678.
Maps of World. (6 de Febrero de 2012). Maps of World. Recuperado el 16 de Abril de
2012, de http://www.mapsofworld.com/minerals/world-gypsum-producers.html
Marcos, C. (2009). OpenCourseWare Universidad de Oviedo. Recuperado el 3 de
mayo de 2012, de Mineraloga. Tema 26. Haluros, Carbonatos, sulfatos. Otros grupos
aninicos.:
http://ocw.uniovi.es/file.php/39/1C_C11812_A/contenidos%20en%20pdf%20para%20d
escargar/26.pdf
Marn-Llanes, L., Medina-Pagola, J., Andr-Ampuero, M., Caballeros, A. (2001).
Desarrollo de un sistema experto para los estudios estratgicos en la Consultora
BioMundi/IDICT. Ciencias de la Informacin, Norteamrica, 32
Martin, J. and Van Lehn, K. (1995). Discrete factor analysis learning hidden variables
in bayesian networks. Technical report. Department of Computer Science University of
Pittsburgh, PA.
Martnez, F., Daz, M.C., Martn, M.T., Rivas, V.M., Urea, L.A. (2002). Aplicacin de
redes neuronales y redes bayesianas en la deteccin de multipalabras para tareas IR.
Universidad de Jan, Espaa
Mc. Culloch, W. S. and Pitts, W. H. (1943). A logical calculus of the ideas immanent in
nervous activity. Bulletin of Mathematical Biophysics, 5:115-133.
Merchan, C., & Regueiro, M. (2009). Panorama Minero. Recuperado el 3 de Abril de
2012, de Instituto Geolgico y Minero de Espaa:
http://www.igme.es/internet/PanoramaMinero/actual/yeso%2009.pdf
Mineralogy Database. (31 de Diciembre de 2009). Mineralogy Database. Recuperado
el 7 de Mayo de 2012, de www.webmineral.com
Ministerio de Fomento. (Octubre de 2011). Catlogo de elementos constructivos del
CTE. Recuperado el 8 de Mayo de 2012, de:
http://www.elementosconstructivos.codigotecnico.org
Ministerio de Industria, E. y. (2010). Estadstica Minera. Recuperado el 3 de abril de
2012, de Ministerio de Industria, Energa y Turismo:
http://www.minetur.gob.es/energia/mineria/Estadistica/Paginas/EstadisticaMinera.aspx
Minsky M. (1975). A framework for representing knowledge. In The Psychology of
Computer Vision, Winston PH, ed. McGraw-Hill, New York.
Minsky, M. and Papert, S. (1972). Perceptrons, MIT Press, Cambridge, Mass.
Morales, M. E. (2006). Modelizacin y prediccin en estadstica universitaria. Tesis
doctoral, Facultad de Ciencias Experimentales, Universidad de Almera.
Mottana, A., Crespi, R., & Liborio, G. (1991). Gua de minerales y rocas. Barcelona.
Grijalbo.

325

Referencias
Muoz, A. (1998). Algoritmos y Sistemas de Control Borroso Aplicados en una Planta
de Calcinacin de la Industria de Produccin de Nquel. Editorial Pueblo y Educacin.
Neapolitan, R.E. (1990) Probabilistic Reasoning in Expert Systems: Theory and
Algorithms , John Wiley & Sons, New York
Newell, A., Shaw, J. C. and Simon, H. A. (1963). Empirical explorations with the logic
theory machine: a case study in heuristics, in Computers and Thought, Feigenbaum, E.
A. and Feldman, J. (Eds.). McGraw Hill, New York.
Newell, A., Simon. H.A., (1963). GPS: A program that simulates Human Thought,
Computers and Thought, ed. Feigenbaum, E., Feldman, J., NY, McGraw-Hill, 272-296.
Nikolopoulos, S., Pitsillides, A., Tipper, D. (1997). Addressing Network Survivability
Issues by Finding the K-Best Paths through a Trellis Graph. INFOCOM. P.370-377
Nolhier, M. (1986). Construire en Pltre. Paris: L'Harmattan.
Olmsted, S. (1983). On representing and solving decision problems PhD thesis.
Department of Engineering-Economic Systems. Stanford University.
Ort, F. (1989). Evaporitas marinas. En A. Arche, Sedimentologa (pgs. 89-177).
Madrid: CSIC.
Ort, F., & Rosell, L. (1991). Mineraloga de rocas evaporticas. Prcticas de
petrografa de rocas sulfatadas evaporticas. En J. Pueyo, Gnesis de formaciones
evaporticas. Modelos andinos e ibricos (pgs. 87-118). Barcelona: Publicacions
Universitat de Barcelona.
Ort, F., Rosell, L., & Salvany, J. (1992). Depsitos evaporticos en Espaa: aspectos
geolgicos y recursos. En J. Garca, & J. Martnez, Recursos minerales de Espaa
(pgs. 1171-1209). Madrid: Consejo Superior de Investigaciones Cientficas, CSIC.
Patronato de la Alhambra y el Generalife. (3 de mayo de 2012). web oficial del
Patronato de la Alhambra y el Generalife. Recuperado el 4 de mayo de 2012, de
http://www.alhambra-patronato.es/index.php/Galeria-de-imagenes/529/0/
Pearl, J. (1986). Fusion, propagation and structuring in belief networks. Artificial
Intelligence, 29:241-288.
Pearl, J. (1988). Probabilistic reasoning in intelligent systems. Morgan Kaufmann, Palo
Alto, Calif., U.S.A.
Pearl, J. (1995) Causal diagrams for empirical research Biometrika 82 669-700
Prez, ML. y Martn, Q. (2003). Aplicaciones de las Redes Neuronales Artificiales a la
Estadstica. Cuadernos de Estadstica. La Muralla.
Perry, R., & Green, D. (1997). Perry's Chemical Engineers Handbook. Mc. Graw Hill.
Piedrafita (1999). Ingeniera de la Automatizacin Industrial. Ra-Ma
Quillian M.R. (1968). Semantic Memory. In Semantic Information Processing, Minsky
M, ed. 227270. MIT Press, Cambridge, Massachusetts.

326

Referencias
Ramsey , F. (1993). Truth and probability In Braithwaite, R. Editor. The Foundations
of Mathematics and other Logical Essays. Humanities Press. London Reprinted in
Kyburg and Smokler
Rebane, T and Pearl, J. (1989). The recovery of causal polytrees from stadistical data.
Nort-Holland : Levitt and J.F. Lemmer. In Uncertainty in artificial Intellegence, 3, L.N.
Kanal, T.S.
Regueiro, M., & Calvo, J. (1997). El Yeso. Geologa y yacimientos en Espaa. Boletn
de la Sociedad Espaola de Cermica y Vidrio, 36(6), 563-569.
Rivero, L. (Noviembre-Diciembre de 1997). Fabricacin de productos de base yeso y
sus aplicaciones industriales. Boletn de la Sociedad Espaola de Cermica y Vidrio,
36(6), 591-598.
Robins, J. (1986). A new approach to causal inference in mortality studies with
sustained exposure results. Mathematical Modeling, 7. 393- 452
Robinson J.A. (1965), A machine oriented logic based on the resolution principle,
Journal of the Association for Computing Machinery, 12, 23-41.
Rodrguez, D., Dolado, J. (2007). Redes Bayesianas en la Ingeniera del Software.
Universidad de Alcal
Rouchy, J. (1982). La genes des vaporites messiniennes de Mditerrane. Paris:
Museum National d'Histoire Naturelle.
Rubin, D. (1978). Bayesian inference for causal effects. The role of randomization.
Annals of Statistics, 6. 34-58
Rubio, A. (2000). Gua interactiva de minerales y rocas. Recuperado el 03 de 04 de
2012, de
http://www2.montes.upm.es/Dptos/DptoSilvopascicultura/Edafologia/aplicaciones/GUIA
%20MINERALES/indice.html
Russell, S. & Norvig, (2004). P. Inteligencia artificial (Un enfoque moderno), segunda
edicin. PrenticeHall Hispanoamericana.
Russell, S., Binder, J.; Koller, D; & Kanazawa, K. (1995). Local learning in probabilistic
networks with hidden variables. Proceedings of the 14th. International Joint Conference
on Artificial Intelligence, Montreal, San Francisco: Morgan Kaufmann.
Sacerdoti, A. (2010). Desarrollo de modelos de fallas de sistemas electrnicos
utilizando redes bayesianas. UNLAM. Argentina
Sakthivel, T.S. and V. Kalyanaraman, V. (1993). A KBES for integrated engineering
Engineering with Computers . Volume 9, Number 1, 1-16
Sanz, D. (2009). Anlisis del yeso empleado en revestimientos exteriores. Madrid:
Universidad Politcnica de Madrid.
Scenna, N., & col., y. (1999). Modelado, Simulacin y Optimizacin de Procesos
Qumicos.

327

Referencias
Schiaffino, S. (2011). Inteligencia Artificial. Redes de Bayes. ISISTAN Fac. Cs.
Exactas Universidad Nacional del Centro de la Provincia de Buenos Aires Tandil,
Argentina
Schmidt R., Wyvill B., Sousa M. C., Jorge, J. A. (2005). Shapeshop: Sketch-based
solid modeling with blobtrees. In Eurographics Workshop on Sketch-Based Interfaces
and Modeling, pp. 5362.
Schofield, P., Knight, K., & Stretton, I. (1996). Thermal expansion of gypsum
investigated by neutron powder diffraction. American mineralogist, 81, 847-851.
Schulz,
G.
(2002).
Regelungstechnik,
Mehrgrenregelung
Regelungstechnik- Fuzzy Regelung. Oldenburg Verlag, Mnchen, Wien

-Digitale

Shachter, R. (1988). Probabilistic inference and influence diagrams. Operations


Research, 36 589-604.
Shanon, C.E. (1950) Programming a computer for playing chess, Philosophical
Magazine, Series 7, 41, 256275
Sherwood, R., Reid, J., & Prausnitz, T. (1979). The properties of Gases and Liquids.
New York: Mc. Graw Hill.
Shortliffe, E. H. (1976). Computer-Based Medical Consultations: MYCIN, Elsevier, New
York
Siler, W., Buckley, J.J. (2005). Fuzzy Expert Systems and Fuzzy Reasoning, John
Wiley & Sons
Simon, H.A. (1983). Why should machines learn?. Machine Learning, Michalski et al.
(eds.) Palo Alto, CA. Tioga.
Singh, M., Provan, G. (1995a). A Comparison of Induction Algorithms for Selective and
non-Selective Bayesian Classifiers. In Proceedings of the 12th International
Conference on Machine Learning, 497-505. Morgan Kaufmann.
Spiegelhalter, D.J., and Lauritzen, S.L. (1990). Sequential updating of conditional
probabilities on directed graph structures. Networks, 20, 579-605.
Spirtes, P. & Glymour, C.(1993). Causation, Prediction and Search, Springer-Verlag.
Spirtes, P. and Meek, C. (1995). Learning Bayesian networks with discrete variables
from data in Proceedings of First International Conference on Knowledge Discovery
and Data Mining. Montreal QU. Morgan Kaufmann
Spirtes, P., Glymour, C. and Scheines, R. (1993). Causation Predictions and Search.
Springer-Verlag. New York
St. Clair, D.W. (1999). Sintonizado de Controladores y Comportamiento del Lazo de
Control. Tiempo Real, S.A.
Scar, L.E, Prez-Brito, P. and Ruiz Surez. (1995). Induction of Dependency
Structures from Data and its Application to Ozone Prediction. J.C. Melbourne,
Australia. VIII International Conference on Industrial and Engineering.

328

Referencias
Tapia, FJ. (2007). Modelo Bayesiano para la Optimizacin y Personalizacin del
Proceso de Aprendizaje en Lnea: Estudio Casustico. Tesis doctoral. Universidad de
Las Palmas de Gran Canaria, Espaa
Thiesson, B. (1995a). Accelerated quantification of Bayesian networks with incomplete
data In Proceedings of First International Conference on Knowledge Discovery and
Data Mining. Montreal QU pages 306-309. Morgan Kaufmann
Tukey, J. (1977). Exploratory Data Analysis. Addison-Wesley
U.S. Geological Survey. (2011). Mineral Commodity Summaries 2011. Virginia: U.S.
Geological Survey.
Villanueva, L., & Garca, A. (2001). Manual del Yeso. Madrid: Asociacin Tcnica y
Empresarial del Yeso-DOSSAT 2000.
Wang, Z. & Webb, G. I. (2002). Comparison of lazy Bayesian rule and tree-augmented
Bayesian learning. In Proceedings of the IEEE International Conference on Data
Mining, ICDM-2002 (pp. 775778). Maebashi, Japan.
Weiss, S.M and Kuliskowski, C.A. (1984). A Practical Guide to Designing Expert
Systems. Rowman and Allanheld, Totowa, N. J
Wirsching, F. (2005). Artculo "Calcium sulfate". Ullmann's Encyclopedy of Industrial
Chemistry. Wheinheim: Wiley-VCH Verlag GmbH & Co.
Yang, B. and Deguang, C. (2009). Action-Dependent Adaptive Critic Design Based
Neurocontroller for Cement Precalciner Kiln. Suzhou. I.J.Computer Network and
Information Security, 1, 60-67
Ziegler, J. G. and Nichols, N. B. (1942). Optimum Settings for Automatic Controllers.
ASME Transactions, 64.

329

ANEXOS

331

ANEXO I. ESTADSTICAS DE LAS VARIABLES ANALIZADAS

1.- Caudal de Material V03: Qm


Descripcin
Caudal de entrada del material en el horno n5.
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: Tm/h
Resumen Estadstico de los resultados registrados

V03
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

-0,0

1,2

2,4

3,6

4,8

6,0

7,2

927,62
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

6,0310
0,6680
0,4463
-5,8781
46,8328
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,0000
6,0000
6,0000
6,2000
7,7333

Interv alo de confianza de 95% para la media


6,0138

6,0482

Interv alo de confianza de 95% para la mediana


6,0000

6,0000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

0,6561

0,6804

Media

Mediana
6,000

6,012

6,024

6,036

6,048

Figura 174. Estadsticas de la variable V03

333

Anexos
Perfil de esta variable durante un proceso entero de calcinacin
Tm/h 9
8
7
6
5
4
3
2
1
0
4
8
12
17
21
25
30
34
38
43
47
51
55
60
64
68
73
77
81
86
90
94
98
103
107
111
116

Figura 175. Perfil de la variable V03


Comentario
El perfil de la variable muestra el caudal de entrada de material al horno. Segn los
datos, el grfico muestra una entrada regular y uniforme de material.
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra
Eficiencia Horno

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama

Caudal
Rendimiento

Caudal

Producto (anhidrita)

Temperatura calcinacin

Gases salida

Figura 176. Diagrama causa-efecto de la variable V03

334

Anexos
2.- Partculas slidas emitidas en valor instantneo V05: Pi
Descripcin
Partculas slidas emitidas instantneamente en el horno n5
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: mg/Nm3
Resumen Estadstico de los resultados registrados

V05
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

12

24

36

48

60

72

13,52
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

32,796
6,111
37,341
0,10530
1,62181
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,033
28,790
32,438
36,543
81,976

Interv alo de confianza de 95% para la media


32,638

32,953

Interv alo de confianza de 95% para la mediana


32,245

32,631

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

6,001

6,224

Media

Mediana
32,2

32,4

32,6

32,8

33,0

Figura 177. Estadsticas de la variable V05

335

Anexos
Perfil de esta variable durante un proceso entero de calcinacin
mg/Nm3
90
80
70
60
50
40
30
20
10
0
3
7
11
15
19
23
27
31
34
38
42
46
50
54
58
62
66
69
73
77
81
85
89
93
97
100
104
108
112
116

0
h

Figura 178. Perfil de la variable V05


Comentarios:
El perfil de la variable de partculas slidas emitidas instantneamente muestra una
variacin importante segn los registros obtenidos.
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 179. Diagrama causa-efecto de la variable V05

336

Anexos
3.- Partculas slidas emitidas en valor medio V07: Pm
Descripcin
Partculas slidas emitidas instantneamente en el horno n5
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: mg/Nm3
Resumen Estadstico de los resultados registrados

V07
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

12

24

36

48

60

72

7,40
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

32,764
5,550
30,804
-0,14909
2,19687
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,167
29,262
32,662
36,243
79,133

Interv alo de confianza de 95% para la media


32,621

32,907

Interv alo de confianza de 95% para la mediana


32,497

32,810

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

5,451

5,653

Media

Mediana
32,5

32,6

32,7

32,8

32,9

Figura 180. Estadsticas de la variable V07

337

Anexos
Perfil de esta variable durante un proceso entero de calcinacin
mg/Nm3
90
80
70
60
50
40
30
20
10
0
3
7
11
15
19
23
27
31
34
38
42
46
50
54
58
62
66
69
73
77
81
85
89
93
97
100
104
108
112
116

0
h

Figura 181. Perfil de la variable V07


Comentario:
El perfil de la variable de partculas slidas emitidas media muestra una variacin
importante segn los registros obtenidos.

Hiptesis afectacin de esta variable con el resto de variables del sistema


Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 182. Diagrama causa-efecto de la variable V07

338

Anexos
4.- Temperatura del refractario V09: Tr
Descripcin
Temperatura del refractario S1 del horno n5.
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: C
Resumen Estadstico de los resultados registrados

V9
P rueba de normalidad de A nderson-Darling

120

240

360

480

600

720

A -cuadrado
V alor P <

1323,33
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

778,20
83,55
6980,00
-5,4385
34,0794
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

46,00
793,93
798,00
805,43
814,70

Interv alo de confianza de 95% para la media


776,05

780,35

Interv alo de confianza de 95% para la mediana


798,00

800,00

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

82,05

85,10

Media

Mediana
780

790

800

Figura 183. Estadsticas de la variable V09

339

Anexos

Perfil de esta variable durante un proceso entero de calcinacin


C
900
800
700
600
500
400
300
200
100
0
3
7
11
15
18
22
26
30
33
37
41
45
48
52
56
60
63
67
71
75
78
82
86
90
93
97
101
105
108
112
116

0
h

Figura 184. Perfil de la variable V09


Comentario
El perfil de la variable 9 de temperatura del refractario muestra unos registros muy
lineales durante el periodo de funcionamiento del Horno 5. Se puede observar con
detalle en el grfico el incremento uniforme de temperatura entre el arranque del
Horno 5 hasta la estabilizacin normal de temperaturas del refractario.
Hiptesis afectacin de esta variable con el resto de variables del sistema
Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 185. Diagrama causa-efecto de la variable V09

340

Anexos
5.- Temperatura del refractario V11: Trman
Descripcin
Temperatura del refractario S1 del horno n5.
Tipo de medicin
Instrumento: PT100, sonda digital.
Toma de datos: Cada 2 horas, manual por hornero.
Fecha inicio toma de datos 1/1/2006
Unidades: C
Resumen Estadstico de los resultados registrados

V11
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

600

640

680

720

760

800

15,44
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

788,06
32,78
1074,34
-4,2650
20,6489
94

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

604,00
790,00
797,00
801,00
810,00

Interv alo de confianza de 95% para la media


781,35

794,78

Interv alo de confianza de 95% para la mediana


795,00

799,00

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

28,67

38,27

Media

Mediana
780

785

790

795

800

Figura 186. Estadsticas de la variable V11

341

Anexos
Perfil de esta variable durante un proceso entero de calcinacin

V11
900
800

Temperatura (C)

700
600
500
400
300
200
100
0
26-7-11 0:00

26-7-11 12:00

27-7-11 0:00

27-7-11 12:00

28-7-11 0:00

28-7-11 12:00

29-7-11 0:00

29-7-11 12:00

Fecha

Figura 187. Perfil de la variable V11


Comentario
El perfil de la variable 11 de temperatura del refractario muestra unos registros muy
lineales durante el periodo de funcionamiento del Horno 5. Se puede observar con
detalle en el grfico el incremento uniforme de temperatura entre el arranque del
Horno 5 hasta la estabilizacin normal de temperaturas del refractario.
Hiptesis afectacin de esta variable con el resto de variables del sistema
Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 188. Diagrama causa-efecto de la variable V11

342

Anexos
6.- Temperatura del Material V13: Tm
Descripcin
Temperatura material S2 Horno 5
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: C
Resumen Estadstico de los resultados registrados

V13
P rueba de normalidad de A nderson-Darling

80

160

240

320

400

480

560

A -cuadrado
V alor P <

1226,71
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

551,26
42,77
1829,45
-8,8474
88,2474
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

37,00
550,93
556,43
562,27
587,23

Interv alo de confianza de 95% para la media


550,15

552,36

Interv alo de confianza de 95% para la mediana


556,17

556,75

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

42,01

43,57

Media

Mediana
550

552

554

556

Figura 189. Estadsticas de la variable V13

343

Anexos
Perfil de esta variable durante un proceso entero de calcinacin
C
700
600
500
400
300
200
100

0
3
7
11
15
18
22
26
30
33
37
41
45
48
52
56
60
63
67
71
75
78
82
86
90
93
97
101
105
108
112
116

0
h

Figura 190. Perfil de la variable V13


Comentario
El perfil de la variable de temperatura del material muestra en el grfico el proceso
desde el arranque hasta la parada del Horno 5, mostrando una linealidad poco
variable. Se trata de la variable de proceso ms importante, ya que es consigna.
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 191. Diagrama causa-efecto de la variable V13

344

Anexos
7.- Caudal de gas V17: Qg
Descripcin
Consumo de gas instantneo para el horno n5
Tipo de medicin
Instrumento: Auto-Scada
Toma de datos: Continuo
Fecha inicio toma de datos: 01/04/2010
Unidades: m3/h
Resumen Estadstico de los resultados registrados

V17
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

16

32

48

64

80

96

112

699,98
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

102,46
9,02
81,39
-9,365
103,809
5789

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

0,00
100,22
103,21
105,12
112,72

Interv alo de confianza de 95% para la media


102,22

102,69

Interv alo de confianza de 95% para la mediana


103,18

103,32

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

8,86

9,19

Media

Mediana
102,3

102,6

102,9

103,2

Figura 192. Estadsticas de la variable V17

345

Anexos
Perfil de esta variable durante un proceso entero de calcinacin
m3/h
120
100
80
60
40
20

0
3
7
11
15
18
22
26
30
33
37
41
45
48
52
56
60
63
67
71
75
78
82
86
90
93
97
101
105
108
112
116

0
h

Figura 193. Perfil de la variable V17


Comentario:
El perfil de la variable registra el consumo de gas instantneo del Horno 5. Se puede
observar un consumo generalmente lineal, presentando valores mnimos de 96.3 m3/h
y mximos de 105.1 m3/h
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 194. Diagrama causa-efecto de la variable V17

346

Anexos
8.- Volumen de gas instantneo V19: Vg
Descripcin
Volumen de gas instantneo acumulado para el horno n5
Tipo de medicin
Instrumento: Lectura contador
Toma de datos: Diario
Fecha inicio toma de datos 1/1/2006
Unidades: m3
Resumen Estadstico de los resultados registrados

Resumen para V19


P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

2000000

4000000

6000000

8000000

10000000

12000000

51,40
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

732365
638836
4,08112E +11
9,742
163,749
1293

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

3753
334951
709829
1090442
12844656

Interv alo de confianza de 95% para la media


697511

767218

Interv alo de confianza de 95% para la mediana


646650

759192

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

615128

664459

Media

Mediana
650000

675000

700000

725000

750000

Figura 195. Estadsticas de la variable V19


Comentario
Al ser un registro acumulado no tiene sentido su representacin grfica.

347

Anexos
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 196. Diagrama causa-efecto de la variable V19

348

Anexos
9.- Temperatura de salida del material V21: Ts
Descripcin
Temperatura material calcinado S3 del horno n5
Tipo de medicin
Instrumento: Sonda manual
Toma de datos: Cada 2 horas
Fecha inicio toma de datos: 01/04/2010
Unidades: C
Resumen Estadstico de los resultados registrados

V21
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P <

188

190

192

194

1,84
0,005

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

190,79
1,30
1,69
0,59952
1,56703
47

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

188,00
190,00
191,00
192,00
195,00

Interv alo de confianza de 95% para la media


190,41

191,17

Interv alo de confianza de 95% para la mediana


190,00

191,00

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

1,08

1,63

Media

Mediana
190,00

190,25

190,50

190,75

191,00

Figura 197. Estadsticas de la variable V21

349

Anexos
Perfil de esta variable durante un proceso entero de calcinacin

V21
250

Temperatura (C)

200

150

100

50

0
26-7-11 0:00 26-7-11 12:00 27-7-11 0:00 27-7-11 12:00 28-7-11 0:00 28-7-11 12:00 29-7-11 0:00 29-7-11 12:00
Fecha

Figura 198. Perfil de la variable V21


Comentarios: El perfil de la variable V21 de temperatura del material calcinado a la
salida del horno 5 muestra en el grfico el proceso desde el arranque hasta la parada
del mismo, registrndose as las temperaturas del material despus de ser calcinado.
Al final del proceso se pueden observar diferencias de temperaturas de 12C (un
intervalo con una temperatura mnima de 183C y una temperatura mxima de 195C)

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 199. Diagrama causa-efecto de la variable V21

350

Anexos
10.- Temperatura de emisin V23: Te
Descripcin
Temperatura del filtro de mangas del horno n5. Esta temperatura es indicador de la
temperatura de salida de los humos de combustin del horno.
Tipo de medicin
Instrumento: PT100, sonda digital.
Toma de datos: Cada 2 horas, manual por hornero.
Fecha inicio toma de datos 1/1/2006
Unidades: C
Resumen Estadstico de los resultados registrados

V23
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P

86

88

90

92

94

96

0,78
0,041

M edia
Desv .E st.
V arianza
A simetra
Kurtosis
N

89,809
3,474
12,071
0,349902
-0,942898
47

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

85,000
87,000
89,000
92,000
97,000

Interv alo de confianza de 95% para la media


88,788

90,829

Interv alo de confianza de 95% para la mediana


88,000

91,000

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

2,887

4,364

Media

Mediana
88

89

90

91

Figura 200. Estadsticas de la variable V23

351

Anexos
Perfil de esta variable durante un proceso entero de calcinacin

V23
120

Temperatura (C)

100

80

60

40

20

0
26-7-11 0:00

26-7-11 12:00

27-7-11 0:00

27-7-11 12:00

28-7-11 0:00

28-7-11 12:00

29-7-11 0:00

29-7-11 12:00

Fecha

Figura 201. Perfil de la variable V23


Comentario
El perfil de la variable de temperatura del filtro de mangas muestra en el grfico el
proceso desde el arranque hasta la parada del mismo, registrndose as las
temperaturas de salida de humos durante todo el proceso de calcinacin. Durante este
proceso se pueden observar diferencias de temperaturas de 12C (un intervalo con
una temperatura mnima de 86C y una temperatura mxima de 98C)
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 202. Diagrama causa-efecto de la variable V23

352

Anexos
11.- Caudal de emisiones V31: Qe
Descripcin
Se trata del caudal de emisin de gases del horno n5.
Tipo de medicin
Instrumento: Opacidad y anlisis de las emisiones
Toma de datos: Anual
Fecha inicio toma de datos 1/1/2008
Unidades: Nm3/h
Resumen Estadstico de los resultados registrados

V31
P rueba de normalidad de A nderson-Darling
A -cuadrado
V alor P

17000

18000

19000

20000

21000

22000

0,60
0,062

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

19391
2602
6768257
0,12114
-2,98811
6

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

16856
17035
19038
22130
22221

Interv alo de confianza de 95% para la media


16661

22121

Interv alo de confianza de 95% para la mediana


16941

22178

Interv alo de confianza de 95% para la desv iacin estndar

Intervalos de confianza de 95%

1624

6381

Media

Mediana
16000

18000

20000

22000

Figura 203. Estadsticas de la variable V31

Comentario
No tiene sentido realizar el perfil de la variable, ya que hasta el momento los datos
registrados son muy distanciados en el tiempo.

353

Anexos
Hiptesis afectacin de esta variable con el resto de variables del sistema

Alimentacin

Velocidad horno

Apertura tiro y caudal de gas

Origen

Granulometra

Caudal

Pureza
Temperatura

FABRICACIN EN
HORNO DE
ANHIDRITA

Reactividad
Granulometra

Temperatura

Temperatura
Morfologa llama
Caudal

Producto (anhidrita)

Caudal

Temperatura calcinacin

Gases salida

Figura 204. Diagrama causa-efecto de la variable V31

354